你把同一份数据交给几位分析师，问同一个问题，他们仍可能给出不同答案。原因未必是谁算错了：有人会删除异常值，有人会保留；有人采用一种变量定义，另一些人选择另一种模型。如今，AI代理可以很快完成数百套分析，但新的麻烦也随之出现——分析越多，越难弄清这些结果究竟在哪里分了岔。
Arjun Balaji、Batuhan Duru Yeltekin和Tian Zheng提出的ForkSCOPE，试图为这些岔路绘制一张可审计的地图。它不先规定AI只能在哪些地方做选择，而是从每份分析的代码和文字报告出发，自下而上找出实际发生的选择，再把相似选择归并、把互斥选项组织成分岔。重点不是替人裁定哪条路正确，而是让人看见：有哪些路、谁走过、依据藏在哪段代码里。
AI不只会给出答案，也会选择道路
数据分析存在“岔路花园”（garden of forking paths）：每做一次数据清洗、变量定义、模型选择或异常值处理，都可能出现几条同样说得通的路。最终报告通常只展示走完的那一条，其他路线和由此产生的不确定性则留在幕后。
这种差异可能很大。论文援引一项2018年的多人分析研究：29支团队研究足球裁判是否更可能向有色人种球员出示红牌，得到的优势比从0.89跨到2.93。这里的“优势比”是比较两组事件发生可能性的指标；跨度如此之大，说明分析选择本身足以改变故事的方向。
常见办法是先建立“决策分类体系”（decision taxonomy）——像一张统一目录，事先规定要比较哪些选择。它便于整齐对照，却也可能漏掉目录设计者没有想到的分支。论文引用的另一项AI分析研究就遇到了这个问题：在1,120个已提取项目中，33%无法放进原有的21槽分类体系。
先读现场，再画地图
ForkSCOPE把一份完整分析拆成三层。第一层是“原始决策点”，即某次运行里真实发生的一项操作，并链接到相应代码和文字。第二层是“选项”：不同分析可能用不同说法描述同一操作，系统会把这些近义表达归到一起。第三层是“分岔”：若若干选项在回答同一个分析问题，并且彼此排斥，它们就组成一个fork。
这套流程被作者概括为SCOPE：分段（Segment）、规范化（Canonicalize）、组织（Organize）、绘图（Plot）和评估（Evaluate）。关键一步是先从语料中归纳结构，而不是拿现成目录往分析上套。
系统首先逐行处理代码。承载分析决定的代码段被称为“exon”，其余输入输出、绘图或注释等代码被称为“intron”。随后，它把代码中的操作与报告中的说法相互核对。这样既能发现代码做了、文字却没说的“沉默决策”，也能找出代码与解释不一致之处。论文案例显示，大约7%至9%的决策没有出现在文字报告中。换句话说，只读结论摘要，会漏掉一部分真正影响分析的动作。
接下来，LLM——大语言模型——负责协助归并表达不同但行为相同的选项。ForkSCOPE采取保守原则：拿不准时先拆开，因为错误合并会制造虚假的共识。组织分岔时，它使用一个直观检验：一位合格分析师能否在同一份脚本中同时采用两个选项？能同时做，通常说明它们属于不同问题；不能同时做，才可能是同一岔路上的竞争方案。系统还检查选项是否在多次运行中共同出现，以防把本可并存的动作误判为互斥。
人仍然守在关键路口
ForkSCOPE不是让AI自行整理完毕，再交出一张不可质疑的总图。它把不确定的合并、拆分和排除送给人类审核者。作者把人分成两个角色：“花园主人”负责设定研究要求、审查结构并锁定决定；“花园访客”则在地图中筛选条件、比较路线，并追溯证据。
可追溯性是这项工作的核心。每个决策点都保留运行编号、操作描述、理由以及对应的代码行和文字片段。流程使用固定提示词、结构检查和缓存；提示词一旦改变，旧结果便会失效。审核结论也必须带上具体样例和源码位置，不能只给一句“通过”。这让读者有机会从概括一路查回原始材料。
交互式查看器提供Garden、Pivotal Forks、Lifecycle和Corpus Viewer等视图。用户可以搜索、筛选和比较fork，查看哪些路线常见，哪些分岔既被频繁遇到、又存在明显争议。查看器刻意不显示某个具体选项会把结果推向哪个方向，目的是让审核者先判断分岔是否合理，而不是倒推哪种选择更容易得到偏好的答案。
这张地图目前说明了什么
作者用一个案例展示ForkSCOPE：把AI代理分析与原始人类团队的分析放进同一套词汇中。案例选取足球数据、claude-sonnet-4-5模型和全部persona——persona是赋予代理的分析角色或倾向提示。材料包含207个AI工作区；加入可用的人类分析后，共绘制223份分析，提取3,946个决策，并识别出17个“关键分岔”。
这些数字首先说明的是处理规模，而不是分析质量。ForkSCOPE展示了如何把大量完整分析从一堆平铺文件变成可浏览、可回查的结构。它也把“分析不确定性”从抽样误差之外再扩展一步：不同合理路线之间的差异，同样需要被看见。
真正值得关注的变化，是评估对象变了。过去，人们常问一份分析是否可靠；ForkSCOPE让审核者进一步追问，某个具体选项是否合理、它在哪些分析中反复出现、依据是否充分。对AI分析师而言，这比简单增加生成数量更重要：生成能力解决“多走几条路”，审计能力才解决“知道自己走过哪些路”。
局限与未知
- 论文只展示了一个联合案例，作者也明确表示，它不能代表所有领域。现有材料没有提供独立复现实验，不能据此断言ForkSCOPE已经证明能提升分析质量或减少偏差。
- LLM参与提取、归并和解释，虽然流程用固定提示词、结构校验、保守拆分及人工关口约束它，但地图仍然包含模型判断与人的判断。
- 论文称派生出的分类体系和决策图可与现有multiverse工具兼容；multiverse工具用于比较多套合理分析方案，但材料没有说明具体兼容范围及验证结果。