在 Python 3.14 中，random.sample 的“不放回”指不重复选中 population 的同一个出现项，而不是把结果按值去重。若输入的 population 本身含重复值，不同出现项的值相同，抽取结果就可能出现相同值；这不能单独证明 random 模块坏了。适用前提是输入、k 和 counts 参数与实际调用一致，并按运行版本判断边界。
适用条件方面，random.sample 返回按选择顺序排列的新列表，原 population 不变；k 超过总体大小会抛 ValueError。Python 3.11 起需要传入序列，集合不会自动转成列表。若代码从集合构造输入，可能先遇到类型或顺序问题，和结果同值不是同一类现象。若调用带 counts 参数，可抽取出现项数量会随计数变化，必须把真实重复计数与 counts 一并核对，不能只看结果列表中有几个相同值。
观察时，先保留实际传入的 population 原样，记录 k、counts、Python 版本和调用方式，再统计输入中的重复值。判断分支可以这样分：输入有重复且返回同值时，若抽取位置没有重复、k 未越界、参数匹配，就不能据此判定随机模块异常；输入无重复却返回同值，或同一位置被重复选中，需要继续排查调用代码、数据来源和版本；其他不符预期的记录也应核查，不能据此列出所有异常分支。这里的关键是区分值相同与出现项相同。返回列表本身没有为每项附上原位置，不能由重复值倒推同一位置被抽了两次。对业务数据擅自做值去重，会改变每个出现项被选中的权重，也可能改变后续统计口径。
风险在于，把“不放回”误解为“结果值必须互不相同”，容易误删重复记录；把演示样例中的同值当成真实抽奖结果，会混淆测试数据和订单凭证；仅凭一次输出声称抽取公平或安全随机，也缺少证据。
下一步，按最小复现保存原始输入和输出，核对版本、k、counts 与序列类型，再检查输入重复和边界错误。需要调整业务抽取规则时，应由真实规则决定是否保留重复项，不自行去重改变权重；若要评价公平性或安全随机，需另设可验证方案。样例只能作说明，不得当作真实抽奖订单，也不应写成已证明公平或安全随机。
路北区台式电脑用户可拨400-877-9605，先整理总体序列、k及counts的去敏记录。电脑快修网提供信息展示与第三方维修对接，具体地址、电脑侧检查是否支持及安排需当次核实，启用范围不代表即时履约。