I1 / I2 / I3 — 把动作分解图当指引

I3 加了 serve 和 volley 两张图，反而退步 0.065。vs I1：救 13 / 坏 34，p=0.003（vs 文字基线仍 +0.042，但 p=0.05 勉强）。

原因是 volley 那张图，一查就清楚：I3 把 78 张判成了 volley，而其中真值确实是 other 的 只有 11 张（14.1%） —— 另外 46 张是真正的正手底线球、20 张是反手。

那 78 张上	答对
I1（没看过 volley 图）	28 / 78 = 35.9%
I3（判成 volley）	11 / 78 = 14.1%

I3 相对 I1 净损失的 18 张，全部来自这一批。剩下 322 张上两者几乎持平（I1 0.854 · I3 0.842）。
反证：把 I3 的 volley 答案强行替换成 I1 的答案，I3 从 0.705 回到 0.748。

serve 那张图也没帮上忙：serve 召回 0.912（I1，没给图）→ 0.887（I3，给了图），反而略降。

教训：给一个类配参考图，会让模型更倾向于用这个类。当这个类在真值里很稀少 （截击只占 other 的一小部分），倾向性带来的误报远超它修好的漏报。 我在 prompt 里已经明写了"正手截击是 volley 不是 forehand、判据看挥拍幅度不看站位"，仍然挡不住。

更详细反而更差。I2 塞了握拍特写和文字要点，clear acc 比 I1 低 0.020，输入 token 多 60% （4444 vs 2216/张，$20.5 vs $12.8）。I1 更准也更便宜。