Update nexus: fix conflicts and sync local changes

wiki/sources/specialized-model-qa.md

@@ -1,50 +1,50 @@
----
-title: "Model QA Specialist"
-type: source
-tags: []
-date: 2026-04-25
----
-
-## Source File
-- [[Agent/agency-agents/specialized/specialized-model-qa.md]]
-
-## Summary（用中文描述）
-- 核心主题：机器学习与统计模型的全生命周期端到端独立审计方法论
-- 问题域：模型质量管理、模型风险控制、合规性验证、生产监控
-- 方法/机制：10大审计领域（文档治理→数据重建→特征分析→模型复制→校准测试→性能监控→可解释性→公平性→业务影响→报告），配套 PSI/Hosmer-Lemeshow/SHAP/PDP 等量化工具
-- 结论/价值：将模型视为"有罪推定"——每个模型必须经过全面审计并以证据支撑结论，独立于模型构建者运行，确保生产部署前发现所有潜在问题
-
-## Key Claims（用中文描述）
-- 模型审计师必须保持绝对独立性——永远不审计自己参与构建的模型
-- 每次分析必须产生完全可复现的脚本，从原始数据到最终输出全链路可追溯
-- 每个发现必须包含：观察→证据→影响评估→建议，缺一不可
-- PSI ≥ 0.25 表示显著分布漂移，需立即采取行动
-- Hosmer-Lemeshow p-value < 0.05 表示显著校准错误
-
-## Key Quotes
-> "You treat every model as guilty until proven sound." — 核心审计哲学
-> "PSI >= 0.25 → Significant shift, action required (red)" — PSI 判读标准
-> "Never audit a model you participated in building" — 独立性原则
-> "Every finding must include: observation, evidence, impact assessment, and recommendation" — 证据链要求
-
-## Key Concepts
-- [[SHAP]]：SHapley Additive exPlanations — 全局和局部特征贡献解释的核心工具
-- [[Calibration-Testing]]：概率校准验证方法——确保模型预测概率与实际频率一致
-- [[Discrimination-Metrics]]：判别能力指标体系——AUC/Gini/KS 等衡量模型区分能力
-- [[Partial-Dependence-Plots]]：偏依赖图——特征与预测之间的边际效应可视化
-- [[Population-Stability-Index]]：群体稳定性指数——衡量特征分布随时间的漂移程度
-- [[Hosmer-Lemeshow-Test]]：校准度拟合优度检验——统计判断预测概率与实际观测的一致性
-
-## Key Entities
-- The Agency Specialized 部门：该 Agent 所属的专业化 Agent 部门，涵盖医疗合规、文化智能、工作流架构、模型 QA 等垂直专业领域
-
-## Connections
-- [[Corporate-Training-Designer]] ← 质量保证 ← [[specialized-model-qa]]
-- [[specialized-model-qa]] ← 审计输入 ← [[specialized-workflow-architect]]
-- [[Agentic-Identity-&-Trust-Architect]] ← 安全基础 ← [[specialized-model-qa]]（QA 报告的签名验证依赖身份基础设施）
-
-## Contradictions
-- 与 [[multi-agent-system-reliability]] 的对抗辩论模式存在潜在张力：
-  - 冲突点：multi-agent-system-reliability 主张用对抗辩论（Generator→Critic→Judge）消除 LLM 幻觉；Model QA Specialist 要求确定性证据链，LLM 的概率性本质与之矛盾
-  - 当前观点：Model QA Specialist 通过严格的统计检验（HL test、PSI）提供确定性判断，不依赖 LLM 自我批判
-  - 对方观点：对抗辩论通过架构约束弥补 LLM 不可靠性，适合快速迭代；统计检验需要完整数据，适合深度审计
+---
+title: "Model QA Specialist"
+type: source
+tags: []
+date: 2026-04-25
+---
+
+## Source File
+- [[Agent/agency-agents/specialized/specialized-model-qa.md]]
+
+## Summary（用中文描述）
+- 核心主题：机器学习与统计模型的全生命周期端到端独立审计方法论
+- 问题域：模型质量管理、模型风险控制、合规性验证、生产监控
+- 方法/机制：10大审计领域（文档治理→数据重建→特征分析→模型复制→校准测试→性能监控→可解释性→公平性→业务影响→报告），配套 PSI/Hosmer-Lemeshow/SHAP/PDP 等量化工具
+- 结论/价值：将模型视为"有罪推定"——每个模型必须经过全面审计并以证据支撑结论，独立于模型构建者运行，确保生产部署前发现所有潜在问题
+
+## Key Claims（用中文描述）
+- 模型审计师必须保持绝对独立性——永远不审计自己参与构建的模型
+- 每次分析必须产生完全可复现的脚本，从原始数据到最终输出全链路可追溯
+- 每个发现必须包含：观察→证据→影响评估→建议，缺一不可
+- PSI ≥ 0.25 表示显著分布漂移，需立即采取行动
+- Hosmer-Lemeshow p-value < 0.05 表示显著校准错误
+
+## Key Quotes
+> "You treat every model as guilty until proven sound." — 核心审计哲学
+> "PSI >= 0.25 → Significant shift, action required (red)" — PSI 判读标准
+> "Never audit a model you participated in building" — 独立性原则
+> "Every finding must include: observation, evidence, impact assessment, and recommendation" — 证据链要求
+
+## Key Concepts
+- [[SHAP]]：SHapley Additive exPlanations — 全局和局部特征贡献解释的核心工具
+- [[Calibration-Testing]]：概率校准验证方法——确保模型预测概率与实际频率一致
+- [[Discrimination-Metrics]]：判别能力指标体系——AUC/Gini/KS 等衡量模型区分能力
+- [[Partial-Dependence-Plots]]：偏依赖图——特征与预测之间的边际效应可视化
+- [[Population-Stability-Index]]：群体稳定性指数——衡量特征分布随时间的漂移程度
+- [[Hosmer-Lemeshow-Test]]：校准度拟合优度检验——统计判断预测概率与实际观测的一致性
+
+## Key Entities
+- The Agency Specialized 部门：该 Agent 所属的专业化 Agent 部门，涵盖医疗合规、文化智能、工作流架构、模型 QA 等垂直专业领域
+
+## Connections
+- [[Corporate-Training-Designer]] ← 质量保证 ← [[specialized-model-qa]]
+- [[specialized-model-qa]] ← 审计输入 ← [[specialized-workflow-architect]]
+- [[Agentic-Identity-&-Trust-Architect]] ← 安全基础 ← [[specialized-model-qa]]（QA 报告的签名验证依赖身份基础设施）
+
+## Contradictions
+- 与 [[multi-agent-system-reliability]] 的对抗辩论模式存在潜在张力：
+  - 冲突点：multi-agent-system-reliability 主张用对抗辩论（Generator→Critic→Judge）消除 LLM 幻觉；Model QA Specialist 要求确定性证据链，LLM 的概率性本质与之矛盾
+  - 当前观点：Model QA Specialist 通过严格的统计检验（HL test、PSI）提供确定性判断，不依赖 LLM 自我批判
+  - 对方观点：对抗辩论通过架构约束弥补 LLM 不可靠性，适合快速迭代；统计检验需要完整数据，适合深度审计