创意质量调整：通过思想链进行专家隐性知识转移 微调

本文提供了《校准惊喜》（Zou & Xu，2026a）中提出的创意质量指标的实证实现。本文要解决的问题是：这个数学主张在工程层面是否成立？为了使答案尽可能通用，我们特意选择了最严格的工程条件：低数据成本和小基础模型。训练数据来自 BC 协议生成的大约 100 个专家思想链 (CoT) 注释（Zou & Xu，2026b）。我们还发现了一个数据偏差：大多数公开可用的对齐数据集都偏向与工艺相关的知识，而受众建模和现实逻辑覆盖系统性较弱。我们使用术语“创意质量调整”(CQA) 来描述此类工程方法。我们还提供了支持性的理论观察：在具有单一条件分配架构的 LLM 中，校准升值侧通过架构对偶性自动转移到生成侧。这就是为什么大约 100 个 CoT 示例就足够的结构性原因——而不是像 LIMA 那样纯粹的经验观察（Zhou 等人，2023）。