跨视图对应是一种测量干预：代理评估和信用分配的双向验证

代理评估和基于跟踪的学习通常通过被视为中性预处理的响应后对应关系来比较转换视图的输出。我们证明这种对应关系是一种测量干预：省略它可以制造敏感性，过度激进的映射可以制造不变性，而多个最佳对应关系可以留下机制标签和签名的学习学分无法识别。我们开发了由三个组成部分组成的有效性理论和审计：消除干扰和保留响应的双向验证、下游结论的全最优识别以及建立有效性后的不确定性传播。我们描述了保留响应的干扰消除的线性可行性边界，计算了精确最优对应集上的尖锐范围，并给出了一个无分布证书，仅当所有精确最优值都同意其非零符号时，该证书才保留信用坐标。在公共代码和 SQL 管道中，对于 1,586 个非零轨迹对中的 55.9%，两个确定性最佳回溯在时间定位上不一致；两次冻结的 800 次执行轨迹工具使用审核（包括任务和种子不相交的复制）暴露了预期轮级信用的精确最佳逆转，尽管干净的公共快速启动子集没有显示任何逆转。预先注册的传输门因自然响应而失败；然后，冻结校正和保留的对照表明，仅在良性示例上校准的地图会消除所有保留的有害反应，而两侧验证则选择保留反应的替代方案。因此，在代理评估或信用分配支持点结论之前，必须声明、验证跨视图对应关系并将其传播到不确定性中。