我们研究了在同一文本标签对应多条行政记录、目标为货币总额且人工阅读与机器预测存在分歧的情境下的 AI 辅助测量。实验平台为 121,070 条美国税务申报中的资助目的文本（共 799,675 条记录，金额 $126.4\text{B}$），这些文本分别由基于规则的分类器和三种语言模型标注，并抽取 651 条文本让三位阅读者依据同一本码本独立标注。我们给出在泊松抽样下固定预测器差分估计量的精确条件，以及在抽样前对全体框架进行折叠分配的交叉拟合预测器条件，并通过模拟评估了固定规模的实现过程：8 种预测器的自身总额在 $11.2\text{B}$‑$15.0\text{B}$ 区间内，校正后相差不超过 $0.4\text{B}$。两条规则在美元加权误差阈值下接受机器标签，使用基于美元度量的加权共形 p 值以及在设计误差估计上进行 Learn‑then‑Test，分别在嵌套的留出折叠和合成真值的重新抽样中进行评估；它们在实际部署中的误差控制尚未得到保证，且计数规则在美元抽样下不接受任何文本。通过一次对每条人工标签计费的回放实验，采用两阶段复审策略（校准器在第一阶段自行拟合）在预算为 100 条文本时将总额 RMSE 降低 28%，优于美元比例抽样；而纯 Neyman 分配在未校准的预测器下失效。独立阅读者将估计总额平移 $3.93\text{B}$，相当于内部抽样区间的 2.2 倍，且机构层面的区间在任何规模下均出现覆盖不足。每一条主要结论均在每位阅读者的数据上重新运行。点评：本研究展示了学习预测在决定人工核查对象时的潜在收益，同时也揭示了在标签分歧和预算限制下误差控制的挑战。