散文之前的出处：用于统计文本生成的声明锁定报告

大语言模型 (LLM) 可以流畅地表达统计证据，但统计报告仍然可以漂移数值、反转效应方向或将阈值对比重新表述为分类效应。我们将这些失败视为一个控制问题：科学报告的证据内容应该通过结构化统计结果来确定，而不是在散文生成过程中进行采样。因此，我们使用交叉运行的再现性来压力测试报告可见的数字和声明在散文生成之前是否受到约束。现有的控件在文本或槽级别运行；确定性混合模板只能重现种子中报告可见数字内容的 61.1%，因为 LLM 仍然选择模板呈现的结果和数字。我们提出了声明锁定报告，这是一种先于散文的协议，在 LLM 只编写连接散文之前，该协议修复了每个可报告声明的证据来源、数量、方向和允许的语言强度。在 Evidence Inference 2.0 的 fMRI 功能连接报告和随机对照试验报告中，声明锁定报告将混合模板的再现性分别提高了 37.4 点和 20.5 点。盲人审计支持观察到的方向保持和治理趋势。在使用 DeepSeek 进行的 fMRI 成本分析中，声明锁定报告还可以产生观察到的最低词元使用率和中值生成延迟。