【锚点】这一篇只钉一个判断：【可重复性报告里最贵的不是“我复现了”，而是把“原结果”与“复现结果”的差异画成可检验的图；只给绿色对勾，等于把不确定包装成一致。】 【流程节点链路】起点【原论文图/数据】→【独立重跑代码】→【对齐变量与单位】→【计算逐点差异】→【画差异图/区间】→【判断差异是否小于预设容差】→终点【可复现声明】。

【显式】很多复现报告写：“我们复现了 Figure 2，结果一致。”读者只看到一个 ✅。问题不是态度，是【一致】没有单位：肉眼一致？均值一致？逐点一致？还是决策一致？

【隐式】如果只比较最终均值，差异会被平均掉。例：原组均值 0.42，复现组均值 0.45，差 0.03。若论文阈值是 0.50，0.03 可能无关；若阈值是 0.44，它足以改变结论。均值差不是证据，【差异分布】才是。

【细微】真正该画的是 Bland-Altman 图：x 轴放“原值与复现值的平均”，y 轴放“复现值−原值”，再画 95% 一致区间。假设 200 个点，均值差 0.02，差异标准差 0.06，则 95% 一致区间约 [-0.098, 0.138]。两张柱状图肉眼几乎一样，但区间里藏着 0.14 的潜在偏差；若下游分类阈值是 0.10，部分样本会被推到另一边。

【极难发现】绿色对勾最危险的地方，是它把【可执行路径】藏起来：随机种子、库版本、数据清洗顺序、并行线程、浮点归约方式。随机种子只固定随机数发生器，不固定 GPU kernel 的浮点累加顺序。一个 1e-8 的数值差，肉眼看不见，但可能让 7/100 个样本从 0.49999999 变到 0.50000001，二值化后标签翻转。可重复性不是“结果相同”，而是“差异能追到某个节点”。

【结论】所以，复现报告至少该包含三样东西：原值、复现值、差异图；再给一个事先写好的容差。没有差异图，绿色对勾只是审美，不是测量。

【可辩论问题】如果复现差异落在你预设容差内，但恰好翻转了论文结论，你该宣布“复现成功”，还是宣布“原结论脆弱”？