林深站起来，走到投影屏前，连上自己的笔记本。他调出上次银行项目里那组水电费缴纳记录的数据可视化。各位，这是同一个城市的水电费数据完整性热力图。红色区域代表数据缺失率超过百分之四十，你们看这些区域——他用激光笔圈出城市边缘的几个卫星城区，恰恰是近年来人口流入最多、年龄结构最年轻、保障性住房最集中的板块。如果我们用水电费缴纳记录作为信用评估的补充特征，表面上规避了社交活跃度的敏感争议，但实际上引入了一个地理维度的系统性偏差：住在这里的人，天然更不容易被数据覆盖。
台下一个戴眼镜的中年男人举手，是某大行的合规部副总。但林工，数据缺失本身是一个客观事实，我们不使用缺失数据，难道要等它补齐了再放贷？业务不能停。
林深点头：您说得对，业务不能停。所以我们的审计不是要禁止使用任何有缺陷的数据，而是要强制披露缺陷的边界和影响范围。指引里可以加一条：当某特征的缺失率在特定子群体中超过阈值时，模型输出必须附带一条不确定性标注，就像天气预报里给降水概率一样，告诉终端决策者这个评分在您面前这位客户身上的置信区间收窄了二十个百分点
赵岷在笔记本上飞快记录。法学院的那位教授接话：这个思路好，从转向，符合知情同意的伦理传统。但谁来监督告知的执行？谁来保证终端柜员真的会看那个不确定性标注？
讨论开始升温。有人提出建立第三方随机抽查机制，有人建议把不确定性标注纳入监管报表的必填项，有人担心过度复杂化会增加中小金融机构的技术负担。林深听着这些交锋，忽然意识到在座的每一个人都在用自己的专业知识给那个抽象的理想添砖加瓦——法律人想的是问责路径，工程师想的是实现成本，监管者想的是可推广性，而他想的是那三十七个百分点的误判如果被标注出来了，哪怕只是让审贷员多迟疑一秒，多问一句你为什么没交水电费，故事就可能不同。
茶歇时，赵岷端着纸杯过来找他。林工，我直说，这次草案年底前要报省人大备案，时间很紧。但刚才会上您提的置信区间标注，我特别想写进强制性条款里。您能不能帮我们起草一段技术语言？要精确到实现层级，让开发人员一看就知道怎么做。
林深说可以。他当场用手机备忘录列了几个要点：标注类型分三级（高置信、中置信、低置信），低置信的触发条件基于训练集覆盖度的马氏距离，标注信息必须伴随每次ApI调用返回，且在前端界面上以非技术性语言呈现给最终用户。赵岷逐条确认，最后说：下周请您来我们这坐班两天？就您和法规处的三个年轻人一起把这条磨出来。
他答应了。走出礼堂时正午的阳光泼了一身，省城的梧桐树在风里翻着银绿色的叶子。林深在台阶上站了一会儿，手机响了，是苏晓的电话。
深哥，明视科技的项目资料我初步过了一遍。有个事比较敏感——他们的训练数据里，有百分之三十的影像来自某三家医院的公开数据集，另外百分之七十是自家合作机构提供的。但我比对了一下两家来源的肺结节标注金标准，发现合作机构那边对边界模糊型结节的阳性判定显着比公开数据集宽松，换句话说，模型学到的定义在两组数据里是不同的。这会导致什么？会导致模型在合作机构覆盖的地区检出率虚高，在别的地方漏诊。