為什麼量這個
架一個娛樂城的成本，多數落在後台與金流，不落在條款—— 條款幾乎都是拿範本改的。所以「這份條款跟別人有多像」是一個 很便宜但有訊號的量測：
- 重疊很高 → 它連法律文件都沒自己寫，整套是買現成的。 品牌可棄的成本更低。
- 重疊很低 → 至少有人為這個品牌寫過或改寫過法律文件。
本判準不評價條款內容的好壞——那是 掠奪性條款判準的工作。 這裡只回答「這份文件是不是現成的」。
怎麼量
正規化
- 全部轉小寫。
- 移除品牌名（`stake`、`me88`、`pinnacle` 等）。 不移除的話，同一份範本只因為換了名字就會被判定為不像。
- 移除非英數字元，壓縮連續空白。
切片與比對
以 8 個詞為長度做滑動視窗（shingle）， 兩份文件各得到一個集合。8 詞夠長，不會因為 the parties agree that 這種常見片語就命中； 也夠短，改幾個字仍抓得到。
讀作「A 的內容有多少比例，在 B 裡也逐字出現」。
jaccard（交集÷聯集）是對稱的，但會被長度稀釋。 本站語料裡 Uwin33 的條款只有 8KB、Thunderpick 有 76KB—— 「短的那份幾乎整份都在長的那份裡」正是我們要抓的事， 而 jaccard 會把它壓成一個很小的數字。
jaccard 照樣輸出在資料檔裡，只是不拿來分級。
shingle 以 zlib.crc32 雜湊。 內建 hash() 每個行程換一次種子， 同一份語料兩次執行會得到不同的碰撞， --check 會隨機失敗。
為什麼以「配對」為單位分級
containment 是不對稱的：同一個交集，除以不同的分母 會得到不同的數字。v1.0 用「自己→別人」的最大值分級， 於是同一對會被切成兩半：
| 方向 | containment | v1.0 判定 |
|---|---|---|
| Roobet → Stake | 25.9% | 有範本痕跡 |
| Stake → Roobet | 19.6% | 沒有範本痕跡 |
| 兩者的 jaccard | 12.5% | （對稱，一樣） |
兩者共用的是同一批段落，差別只在 Stake 的條款比較長 （8,680 詞 vs 6,579 詞）。 同一件事實給出相反的結論，那是判準的缺陷，不是資料的性質。
「使用同一份範本」本來就是一對的性質， 不是單一文件的性質。所以分級改成取
兩邊拿到同一個等級。逐向的數字照樣輸出並顯示在品牌頁的觀測表裡， 只是不再拿來分級。
門檻
| 等級 | pair_max | 頁面上的說法 |
|---|---|---|
| HIGH | ≥ 50% | 大量沿用同一份範本 |
| SOME | ≥ 40% | 有可辨識的共同段落 |
| LOW | < 40% | 沒有明顯的範本痕跡 |
平台頁「條款是不是公版」欄位中的低風險提示＝ LOW。
本站語料的底部一群落在 0.1%–2.6%， compare_terms.py 在無關組別上量到的基線是 0.8%。 所以大約 3% 以上就已經高於雜訊。
這代表 LOW 這一級並不是「完全沒有共同來源」， 而是「共同段落的比例低到我們不拿它當品牌投入不足的證據」。 一家 pair_max 25% 的平台仍然是雜訊的十倍以上—— 數字照樣印在頁面上，請自己看。
已知缺陷
本站其他七份判準的效力來自「先公布、且說到做到」—— 它們在看到任何一家的條款之前就發布了。
這一份不是。本判準與 40% 的門檻是 2026-08-23 在已經看過 15 家的重疊分佈之後訂的，並且當天就套用。 那正是「比賽結束才訂規則」，我們自己在 編輯政策裡點名批評過的做法。
我們把它寫在這裡而不是藏起來。實際的補救只有一個： 本頁已標版本並公開發布，自下一次條款重掃起， 它才算是先公布的判準。 目前這一輪的結果請當作 v1.1 的首次套用， 而不是一次獨立的驗證。
分佈上真正的斷點在 25.9% 與 8.8% 之間（落差 17.1 個百分點）， 不在 40%。40% 這條線落在 Pinnacle（44.4%）與 Roobet／Stake（25.9%）之間， 是一個選擇，不是一個發現。
把線畫在哪裡會改變結論。以本站目前的語料為例， 門檻若回到 v1.0 的 20%，Roobet 與 Stake 會從 「沒有明顯的範本痕跡」變成「有可辨識的共同段落」。
比對只在本站已取得條款全文的 15 家之間進行。 LOW 只代表「在這 15 家裡找不到範本痕跡」—— 範本可能來自我們還沒收到的那幾十家。 語料擴大時，現在的 LOW 有可能變成 HIGH。
若營運商把實質規則放在登入之後，本判準涵蓋不到， 且不以缺漏推定有利或不利。
用語界線
條款高度相同只能推論： 兩站使用同一份範本、可能共用同一套後台。
它不能推論：同一家公司、同一組人馬、同一個實質控制人。 範本供應商會把同一套系統賣給數十個彼此獨立的營運商， 那是正常的商業模式。
本站所有對外敘述——品牌頁、平台總表、風險提示、產業介紹—— 一律停在前者。混淆這兩者會同時毀掉正確性與法律防線。
同一條界線也寫在 tools/term_similarity.py 與 tools/compare_terms.py 的檔頭， 兩支程式的輸出都附帶這段警示。
變更紀錄
| 版本 | 日期 | 變更 |
|---|---|---|
| v1.1 | 2026-08-23 | 分級改以配對為單位（取兩方向較大值）， 修正同一對被切成兩半的缺陷； SOME 門檻由 20% 調整為 40%； 本判準頁首次發布並記載「門檻係事後訂定」這項缺陷。 另修正反向查找只掃前三名而漏值的實作錯誤。 |
| v1.0 | 2026-08-23 | 首次實作。8 詞 shingle、containment、以文件為單位分級， 門檻 50%／20%。未發布判準頁—— 這正是 v1.1 要補的問題。 |
本頁為判準文件。實作與資料在 tools/term_similarity.py 與 查核資料／results/term_similarity.json， 可自行重跑並以 --check 驗證一致性。 目前未開放更正收件；若發現差異，可先保留本文網址、爭議句子、來源與查詢日期， 管道狀態見更正與聯絡狀態。