在可代理系统中，常用点式评判器对响应进行单一标准打分。小型语言模型因部署和微调成本低而被广泛采用。然而，仅靠点式标签难以确定判别边界，因为同一查询的不同标记响应在多个特征上同时变化，标签背后的决定因素并不明确。\n\n为了解决此问题，本文提出了 CPA（Counterfactual Pairwise Augmentation）。对每个点式样本，CPA 生成一个与原响应标签相反的反事实响应，并将两者组成成对任务，询问哪一个更符合标准。模型在点式数据和成对数据上联合微调，部署时仍以点式模式使用。\n\n二阶分析表明，若仅将点式和成对专家分别训练后再合并，所有参数方向都会向成对专家移动相同比例；而联合训练能够在成对损失平坦的方向保持点式最优，在曲率大的方向吸收成对信息，这正是 CPA 设计的目标场景。\n\n实验在六个二元标准上使用 Qwen3‑8B LoRA 适配器进行评估。相较于仅点式训练，CPA 在标准平均宏 F1 上提升 2.5 分，并在所有合并权重下均优于模型合并方案。与最强零样本基准 Gemini 3.6 Flash 相比，CPA 领先 11.8 分。\n\n点评：CPA 通过同源、最小化的反事实成对构造，使小模型在缺乏明确标签信息时仍能捕获判别边界的关键特征，展示了在资源受限环境下提升评判质量的有效路径。