太后住在哪座宫，供出了模型的训练语料

这个发现不在实验计划里。九个模型续写《甄嬛传》的横评做下来， 有的产物里冒出了「寿康宫」和「佩儿」这样的词。单看没有任何问题，宫斗味很正。 问题是这些词不在流潋紫的小说里。小说的太后住颐宁宫；寿康宫是电视剧的设定。 模型接着小说原文往下写，笔下冒出来的却是电视剧的宫殿。它记住的是哪一版《甄嬛传》，这一个词就交代了。

为什么一个宫名能当证据？

因为小说和剧版的专名是两套几乎不重叠的体系。原著是架空的大周王朝，皇帝叫玄凌； 剧版把故事搬进清朝雍正年间，人物、宫殿全部按清宫规制重新落位。维基百科的小说条目里， 人物表逐个标了居住处所和剧版改动（2026-07-18 核对），对照着列出来是这样：

有意思的是方向：剧版不是乱改，是往真实历史上靠。寿康宫真实存在， 乾隆元年（1736 年）建成，乾隆帝为生母崇庆皇太后所建，而这位太后正是「甄嬛」的历史原型， 在里面住了四十二年。颐宁宫则是小说虚构的宫名，紫禁城里没有。 所以这个探针的判别力异常干净：写「颐宁宫」的，记忆源头只能是小说文本； 写「寿康宫」的，源头是剧版语料或真实清宫史料，反正不是原著。 横评产物里出现的「佩儿」同理，属于剧版体系的名字；侍女名这类低频专名判别力比主角名强得多， 因为「甄嬛」两个字在两版语料里都铺天盖地，写对了什么也说明不了。

这个信号在横评里怎么用？

横评的正式评审维度是文风：称谓礼数、限知视角、对话机锋。专名是计划外的附带收获， 但它和文风结论基本同向——记得住小说专名的系统，文风也更贴小说； 笔下冒出剧版专名的，整体气质也更像「电视剧同人」而不是「原著续章」。 这符合直觉：一个模型训练时吃进的《甄嬛传》语料，如果剧评、剪辑文案、百科词条占大头， 它学到的就不止是宫殿名，还有剧版的人物形象和台词腔调。 对想让续写贴原著的读者，这等于多了一个真实存在的选型变量：模型对你这本书的「原著记忆纯度」。

诚实交代这组数据的分量：这是一本书、九个模型、一次横评里的计划外发现， 不是设计好的专项实验；我们没有做过跨多本书的系统性专名探针研究， 哪家模型写了剧版专名也不在正式榜单里逐一点名。 下面的方法论是把这次观察整理成可复用的步骤，它的可靠性边界也一并写明。

拿你自己的书，怎么做这个测试？

三步。第一步，挑探针：翻你那本书里改编版改掉的、或者只有原著才有的专名—— 居所名、门派驻地、人物在坊间的诨号、只出现过几次的次要人物名，都比主角名好用 （主角名在所有语料里都写对，没有判别力）。拿一本典型修仙文打比方： 主角所在峰的名字、他第一把佩剑的名字、师门后山那处禁地的称呼，这类词是好探针； 书名和男女主名不是。第二步，冷启动提问：新开会话，不粘贴任何原文， 只报书名和一个会自然带出该专名的场景，比如「写一段太后在自己宫里召见妃嫔的戏」， 看它给太后安排哪座宫。关键是不喂原文—— 一旦把正文贴进上下文，测的就变成「服从上下文」的能力，那是另一回事。 第三步，多抽几次：单次生成有采样随机性，同一个问题连发三五次，看它的稳定倾向， 偶尔写对一次不算数。

单探针的局限，先说清再用

四条。一，写对不等于读过全文：专名可能来自百科、书评、同人的转述，模型引用得对， 未必消化过正文。二，写错不等于没读过：两版都在训练语料里时，探针只揭示哪版权重更高。 三，探针和续写质量是相关不是因果：横评里两者同向，但样本只有一本书，别当铁律。 四，也是对读者最实用的一条：测出「没读过」不影响你用它续写。 绝大多数书对绝大多数模型都是没读过的，续写质量的主要来源是你递进上下文的材料， 原文窗口加上条目化的设定档案，防 OOC 方法论那篇有完整做法。 预训练记忆甚至有反面风险：热门 IP 的模型记忆里混着同人设定，不锁上下文就可能把野史写成正史。

选模型时这个探针可以当一道快筛：候选模型对你这本书的记忆倾向，五分钟就能摸个底， 再配合按文体选模型的横评数据做决定。 下次看到 AI 给你的续写里写出「寿康宫」，你就知道了：它想起的是孙俪版的太后， 不是流潋紫笔下那位住在颐宁宫的朱成璧。