数据文件

data/ 目录中的正式参考样本、派生指纹库、冻结检测器、固定挑战与分词器库，以及它们的变更记录。

data/ 保存正式参考样本、派生指纹库、冻结检测参数、固定采样挑战和分词器探测用的分词器库。

unified_reference.jsonl

unified_bank.json

shared_detector.bin

enrollment-suite.json

tokenizer_bank.json

collections

文件	内容
`unified_reference.jsonl`	参考批次，每行一个版本 1 批次：共用模型、渠道与调用设置，回答放在 `samples` 数组中
`unified_bank.json`	由参考批次派生的统计库
`shared_detector.bin`	冻结的排名器和校准参数，用 SHA-256 绑定参考数据。格式为 JSON 头加 float32 数值，由 `fpd retrain` 写入，通过 `shared/detector-codec.ts` 读取
`enrollment-suite.json`	36 道固定采样挑战；它是采样输入，不是参考回答
`tokenizer_bank.json`	分词器库：分词器探测用的测试文本、每一类分词器的计数和型号映射
`collections/`	采样请求、尝试和来源核验记录

collections/ 不参与评分，也不复制到网站的公开数据。改名、退库或迁移格式前的参考行不再另存副本，需要时从 git 历史找回。批次与样本的字段见采样与续采。

维护规则

fpd sample、fpd enroll DIR 和 fpd retrain --data-dir DIR 都可以在仓库外运行。入库校验完整批次和原始证据，按模型、渠道、条件、题目与文本去重并重建派生库；重训从目标参考库离线拟合排名器与置信度校准，嵌套校准未通过时不替换 shared_detector.bin，训练证据保存在 .training/。
CLI 随包数据只读；维护目标必须显式指定，或在交互入库时识别本仓库后确认。
固定评估集不能加入参考库、模型中心或校准。
网站构建把脱敏数据写入 web/public/data/。该目录是生成产物，不能作为另一份正式库维护。

tokenizer_bank.json 由分词器归档工具 llm-tokenizer-fingerprint 的 token-fp export-api-bank 从 290 个开源分词器离线生成。它与参考样本无关，更新时直接整体替换，不经过 fpd enroll。

字段	内容
`schema`	固定为 `tokenizer-bank-v1`
`source`	生成工具、分词器数与候选文本数；`archive_manifest_sha256` 记录所用归档清单的哈希，`excluded` 列出因归档文件不可信而未导出的仓库及原因
`wrapper`	固定前后缀：`prefix` 与 `suffix`
`probes`	测试文本的 ID、类别与原文
`classes`	每一类分词器的实验室、系列、成员、别名，以及对每条测试文本的计数差 `counts`；成员分歧时另列 `alternatives`
`api_models`	厂商型号到分词器类的映射；`class` 为 `null` 表示厂商没有公开分词器

类按作者实验室与系列归并：计数完全相同的分词器归为一类，同一谱系下只差少数文本的再合并。完整的类列表见分词器探测原理。