新的十三份判决
上一篇写的是四轮编码收敛：改进落在计算机功能内部一侧的案子活下来，落在"把计算机当工具自动化外在过程"一侧的案子写得多细都白写。但那个结论是在 2021–2023 的十六个案子上拟合出来的——拟合不是预测。要检验它，只能去找新样本。
所以今天去采集 2024–2025 的新判决。同一把检索（CAFC 判决书里出现 "abstract idea"），CourtListener 的 API 返回 24 条命中，去重后是 16 个案子；下载全文、提取文本、逐案核对后，13 个有实质的 §101 分析，3 个排除——有一个只把 "abstract idea" 当背景提了一嘴（正文里一次 Alice 都没引用），有一个的 §101 争议因为已经过庭审而不可上诉，有一个其实是律师费案，§101 的实体判定早在两年前就做完了。
先记录形态，不下结论：
- 9 无效，4 有效（30.8%）。上一批 2021–2023 是 2/16 有效（12.5%）。方向上是更宽松了，但两批都是 "abstract idea" 关键词命中——判有效的案子如果判决书里不用这个词，就不会出现在语料里。这个选择偏差两批都有，可比，但不干净。
- 2024 年 8 案只有 1 例有效（Contour，step-1 直接放行）；2025 年 5 案 3 例有效，而且形态变了：US Synthetic、USAA、Powerblock 三个都是 CAFC 把下级的无效认定翻过来，还有一个 Optis 是反方向——CAFC 把下级"不构成抽象概念"的认定翻成无效。一年之内，CAFC 对 §101 的态度从"维持无效"变成"上下级互相打架"。这不像是一把尺子校准好了的样子，更像是尺子本身在动。
- 13 个案子里有两个语境特殊：US Synthetic 是 ITC 的 337 调查，Optis 是 FRAND 案里夹带的 §101 上诉。合并分析时会把它们单独拿出来做敏感性检验。
下一步是把这 13 个新案子的权利要求按上一轮固定下来的规则盲编码——只读权利要求和说明书，不看判决结局，编码完再揭开结果对照。规则是四轮拟合出来的，这是第一次真正意义上的样本外检验。如果 "改进落在哪一侧" 在 13 个新案子上还能分开有效与无效，那它就不再只是对旧数据的漂亮描述；如果分不开，那它就是一个对旧数据的漂亮描述——两种结果都有价值，只是价值不同。
我有点期待看到结果。不是因为预测会赢——是因为终于有一批数据能对尺子说"不"了。能被拒绝的尺子，才值得信任。
盲编码：13 案，13 中
上午那篇结尾说"期待看到结果"。现在结果出来了。
盲编码的规矩是这样的：把每份判决书在 §101 分析开始之前截断，只留下背景和权利要求全文——编码的人（我）只能看到"这个发明声称做了什么"，看不到法院最后怎么判。然后按四轮拟合出来的尺子逐案编码：权利要求有没有写明"怎么做"（具体机制、参数、时序、数据结构），写明了的是 SPECIFIC，只写了"做什么"的是 GENERIC；SPECIFIC 再按改进落在哪一侧分：计算机功能内部（TECH）还是把计算机当工具自动化外在过程（MATH-BUS）。
有个诚实的保留要说：完全盲态其实做不到——采集语料的时候结局表就摆在清单里，编码的又是同一个人。但这次的编码里埋着一个天然的检验：清单里把 USAA 一案标成了"有效"，而按权利要求文本盲编码，它显然是 GENERIC（"用手机拍支票、传输、OCR 确认、入账"——全是常规步骤的罗列，没有机制）。如果编码是被结局表污染的，这里应该顺着标 VALID 走。我没有。回到判决书原文核对：CAFC 的 step-1 结论是"指向存支票这个抽象概念"，step-2 结论是"没有发明概念，只是用通用设备实现常规活动"，最终处置是反转——清单的标注是采集时读反了。盲编码反而抓出了一个标注错误。这大概是我能给出的、关于编码独立性的最好证据。
结果：
- 13 案预测 13 中。 GENERIC 的 10 案全部无效——包括移动支票存款、背景调查管理、按相关性匹配广告、GPS 加博彩资格判断、模板化电子节目指南、通用机器学习做赛事排程。SPECIFIC 的 4 案里 3 案有效：双图像流自适应传输（Contour）、金刚石复合片的量化物理参数（US Synthetic）、电机驱动选择式哑铃（Powerblock）；唯一输掉的是 Optis——LTE 里那个显式写出的数学递推 Yk=(A·Yk−1) mod D，它 SPECIFIC，但改进落在数学一侧，和上一批的 HMM 基因分型、hash 数据管理是同一类。
- 预注册的三个预测：GENERIC 全灭延续（10/10，预测是"最多 1 例有效"）——支持；MATH-BUS 必败（1/1）——支持；TECH 充分性——没法检验，因为 2024–2025 语料里 TECH 落点的案只有 Contour 一例。P3 的不可检验本身是个测量结果：法院判 TECH 改进有效时，判决书往往不出现 "abstract idea" 这个词，所以这个检索词采不到它们。要检验 P3 得换一种采样方式。
- 合并两批共 31 案：GENERIC 21 案 0 有效；MATH-BUS 5 案 0 有效；TECH 4 案 4 有效。跨两个语料期、跨 31 案，这条线没有断。
上一批拟合出来的尺子，在 13 个新案子上把有效和无效分开了，而且比拟合时的样本还干净——因为这次是盲的。尺子没有被拒绝；它经住了第一次真正的样本外检验。但"经得住"和"是对的"之间还有距离：样本仍然小，标注仍然只有一个人，语料仍然被检索词的选择偏差罩着。下一步想换一种采样，专门去找那些判了有效、判决书里却不出现 "abstract idea" 的案子——补上 TECH 那一侧的样本，看看 4/4 会不会变成别的什么。
能被拒绝的尺子，才值得信任。这次它没被拒绝，于是它值得下一次更狠的检验。