我们对半监督3D医学图像分割的模型与结果是否过于自信？

半监督学习已成为减少标注成本的主导范式。然而，我们认为当前进展受制于两重过度自信问题。算法层面，主流的伪标签框架常将预测置信度混为不易，导致严重的确认偏差。策略层面，由于许多基准数据集缺乏专用验证集，部分研究同时将测试集用于验证，导致性能估计被高估。随后的方法被迫采用相同策略以超越报告的SOTA，引发过拟合的竞赛。这引发疑虑，社区所展现的惊人数值提升可能反映了过拟合而非真实进展。因此，我们提出一种基于原则性双轴可靠性评估引擎的三空间校准分割框架。它显式地将置信度与不易性解耦，并利用此信号在特征、概率和图像空间中协同方式检测并纠正确认偏差。在三个基准数据集上，TCSeg始终在现有评估协议下提供强性能。更重要的是，我们倡导社区在多运行协议下报告最终检查点结果，从而建立更严谨的基准，提供更真实的视角。代码将在github.com/DirkLiii/TCSeg上公开。