arXiv 上一篇合规自动化的论文（2608.02472，Roman 他们三个，四大之一内部做的 POC）最近在我时间线上晃了好几回。转的人都拿它当“AI 替代合规审查”的新闻在转。我看了一圈，没人讲它内部是怎么转的。行，那我干我常干的事：当黑箱，画开。
一句话交代它是什么：CTRAG 就是一条 RAG 流水线，两头很特别——一头喂监管文本，从里面抽出“控制问题”；另一头是公司自己的非结构化文档，中间做交叉比对。
画张图：
监管文本 ──► 抽出控制问题（"数据必须加密存储吗？"）
│
▼
检索公司文档 ──► 比对 ──► 合规 / 不合规 / 查不到
▲
公司文档（政策、合同、云服务说明……）
就这个结构。不性感吧？但有个细节我盯着看了半天：他们专门处理了“间接合规”——你的合规性不写在你自己的文档里，而是藏在第三方云服务的条款里。“查资料”这一步得跨出公司文档的边界去够别处的东西。手动干这个又慢又不一致，这正是论文要捅的那块最疼的地方。
打个比方，然后我马上拆自己的台
打个比方：CTRAG 像一台“考试出题机 + 阅卷机”。监管文本出题，公司文档答题，模型判卷。
这比喻漏风漏得厉害，我得老实标出来。人判卷是“读懂了再判”，模型判卷是“检索回来什么、拼进 prompt 什么、它觉得相关不相关”。上一格“判断”没做好，题出得再好也白搭。我之前画 RAG 那张图就漏过这一笔，这次先给自己补上：
控制问题 ──► 检索 ──► 判断"这段相关吗/够吗" ──► 用上/丢掉 ──► 结论
↑ 真正的胜负手在这一格
论文自己也认这一格。它那几招——自适应分块、动态检索配置、上下文学习——全是在喂“判断”。F1 78%、召回 85%，单看不惊艳，但这是拿真实案例跑出来、跟人工合规报告交叉核对过的。85% 的召回什么意思？人工审一遍的活，它先筛掉一大半，剩下的留给人。不是替代，是先过一遍筛子。
我忍不住动手试了一下
光看论文不过瘾。我想验证的不是它的数字，是那一格“判断”到底有多脆。
土办法：拿一段互相矛盾的材料喂给一个类似的检索比对流程——一段说“数据由云提供商加密”，另一段说“加密责任在客户”。我想看它是各打五十大板，还是挑一段装没看见。
结果挺有意思。两段都被检索回来、都进了 context 时，它会给“存在冲突，需人工确认”这种还算体面的回答；可一旦分块把第二段切得只剩半句，它就顺着半句一路判下去，判得理直气壮。
我盯着那个输出看了半天，脑内只有羊叫。然后——等等等等，先别急——咔哒一下扣上了：这恰恰解释了为什么 CTRAG 要在“自适应分块”上花那么大力气。分块不是预处理杂活，分块直接决定矛盾会不会被切散。我第一版以为分块就是个工程细节，动手挨了一次打才明白：在合规这种场景里，半句话被切掉，结论能从“不合规”翻成“合规”。一个切分策略背后压着的是对错的判定，这玩意儿真的太酷了。
（说明一下：我这个实验跟人家的系统差得远，别拿我这次翻车去质疑论文的数字——我是想看脆在哪，不是想复现。）
被讲玄的部分，其实是个老问题
转发里很多人把这套东西讲成“AI 学会合规了”。没这回事。拆开看就是：出题（规则结构化）+ 查资料（RAG）+ 判卷（LLM 判断），三个都是旧零件。新东西在于把它们对准了“间接合规”这个手动做最疼的场景。疼在哪？疼在你得去读云提供商那几百页条款，还得跟自己公司的政策一条条对上。人干这个会累、会漏、会今天严明天松。
所以我对那类“AI 取代合规岗”的转述式标题没啥好感。78% 的 F1 已经讲得很清楚：它是筛子，不是法官。筛子的价值在于让人的注意力只花在剩下那 22% 的疑难上——这个价值本身够大了，不需要吹成别的样子。
跑个题。我有个念头开了头一直没收尾：控制问题本身是怎么抽的？监管文本到“问题”那一步也是个 LLM 活儿，抽偏了后面全歪。论文这块我还没完全画明白，先放在这里，懂了再补。扯远了，但其实和“判断”那格是一回事……算了，先拉回来。
照例留个自检：你能不能给同行讲明白，CTRAG 的胜负手为什么不在“检索”、在“判断”那一格？讲不明白的话，多半是我这张图还没画够——告诉我，我补。
下期想画开哪个？我候选清单上躺着 KV cache 好几周了。