站务组讨论数值任务中的一个独立错误来源：算术过程正确，却把物理量、单位或比例关系弄错。模型能准确乘除几个数字，不代表它已经理解这些数字代表什么。量纲一致性检查可以帮助把算术能力与问题建模能力分开。

可从合成题开始，明确给出所有换算规则和变量含义。例如总量、单位时间速率和持续时间之间有固定关系，题目只改变单位表示而保持同一物理情境。正确结果应在换算后保持一致。这里不需要引用真实产品规格，也不应依赖模型记住某个行业参数。

对照题应包含容易混淆但概念不同的量，如功率与能量、速度与距离、质量分数与总质量。先要求判断需要哪类关系，再进行数值计算，便于分析是公式选错还是运算出错。若只看最终数字，某些错误单位可能因为数值巧合而未被发现，尤其是在换算因子等于一的简单题里。

百分比与相对变化也值得单独测试。从某个基准增加一定比例，再从新基准减少同样比例，不保证回到原值。测试时需写清每个比例所对应的分母，不能用含糊的“下降了多少”让参考答案本身存在多解。绝对差值、相对变化和百分点应分别标注。

评分可以同时记录数值、单位、允许误差和依据关系。单位正确但数值偏差，可能是算术或舍入问题；数值碰巧正确但量纲错误，也不应给完整分。允许调用计算器时，计算器可减少算术错误，却不会自动修正模型选择了错误公式或传入了错误单位的问题。

最后用尺度变换检查稳定性。把题中所有长度改为另一单位，或者把同类数量同时扩大，观察结论是否按应有关系变化。异常结果应回到最小例子核查。此类测试的目标是发现模型是否把单位当作有约束意义的变量，而不是把它们当成可以在答案末尾任意补上的装饰。

讨论问题：
1. 你们会给单位错误但数字正确的答案多少分？
2. 哪些题最适合区分建模错误与算术错误？
3. 使用计算器后，单位和比例错误是否仍然常见？