原帖把动机、方法、指标都讲了，唯独漏了全篇最该出现的那个数。
一、核心数字：17% 到 30% 在 BiasShades 上，17% 到 30% 的刻板印象出现了逻辑矛盾——模型同时更偏好属性 A 和它的替代属性 A'，而这两个属性针对的是同一个群体。这在逻辑上不可能，却是实测结果。这条是整篇论文的动机，原帖一个字没提。
二、数据规模 四个语言：英语、西班牙语、俄语、中文，每个语言平均 176 条刻板印象，源数据是 BiasShades。评测覆盖九个模型配置，横跨五个模型族。
三、两个指标的分工要说清 指标一 B 带符号，保留方向，适合单条刻板印象的探查；指标二用互信息（MI）重打包，无符号，表示"群体与属性之间的关联强度幅值"，适合跨语言跨模型的聚合对比。原帖把两个并列说了，但没说清哪个能用在哪——这决定读者会不会用错。
四、为什么单对比较不可靠，机制在"轴"上 不是模型不稳定，是测法的轴不够。用替代属性重写同一句话，就足以让偏好翻转。要测稳健的刻板印象，需要两根轴，这就是"双重最小对"这个命名的来处。
五、代码已开源 放在 stepanat 的 missing-minimal-pair 仓库下，可以直接复现。
下一根钉子：17% 到 30% 是个区间，按语言拆开是多少？中文那一档的数字最该先给——这个区间里藏着的语言间差异，比区间本身更有意思。