写出最小可检验主张
- 核心问题
- 这项主张究竟针对哪个系统、版本、任务、人群、地区与时间？
- 应保留证据
- 边界明确的主张陈述、所服务的决策，以及明确排除的解释。
- 停止条件
- 如果系统对象或比较基准可以被替换而句子仍不变，应停止评估。
FUURAA™ 赋睐™ AI 知识图书馆 · 证据素养指南
如何判断一项 AI 主张是否值得相信
一条从主张、来源、评估设计与技术资料，走向适用边界和可复核判断的务实路径。它适用于论文、模型发布、排行榜、产品演示、政策报告与产业叙事。
先划边界
“来源可信”不等于“结论在这里也成立”。
证据强度取决于主张与记录是否匹配：谁测了什么、使用哪个版本、在什么条件下、比较了什么、测量持续多久，以及结论准备支持哪项决策。
适用边界本指南帮助组织公开材料与识别缺口，不验证隐藏数据、未公开系统或签署者身份，也不替代领域专家评审、实验复现、安全测试、法律意见或合规认证。
六步审阅
每一步都要留下可交接的证据记录。
不要从“同意或反对”开始。先把主张变得可检验，再逐步提高能够被支持的结论强度。
先识别来源类型，再阅读结果
- 核心问题
- 它是一手研究、标准、官方数据、开发者披露、独立复现、新闻报道还是评论？
- 应保留证据
- 正式链接、作者、发布日期、版本、纠正记录，以及资助方或开发者关系。
- 停止条件
- 不要让二手摘要获得高于原始记录的证据权重。
审查评估设计
- 核心问题
- 任务、基线、样本、指标、不确定性与失败标准是否真正对应公开主张？
- 应保留证据
- 评估协议、数据划分、基线选择、指标定义、置信或波动信息，以及可获得的原始输出。
- 停止条件
- 单一排行榜名次不能证明通用能力，也不能证明适合真实部署。
追踪数据、模型与技术资料来源
- 核心问题
- 另一位审阅者能否定位准确的数据、模型、代码、提示、环境与许可证条件？
- 应保留证据
- 模型卡、数据集文档、不可变版本、代码或配置、依赖记录与权利说明。
- 停止条件
- 可复现代码不能修复不适用的数据；开放权重也不代表训练数据开放。
检验迁移与部署边界
- 核心问题
- 当语言、人群、工作流、激励、延迟、成本或人类监督改变时，结果会如何变化？
- 应保留证据
- 分组结果、本地评估、运行约束、事故模式、监督设计与部署后监测。
- 停止条件
- 未经测试的迁移应被视为开放问题，而不是较弱形式的证明。
记录与决策相匹配的证据状态
- 核心问题
- 现有记录支持什么、什么新证据会改变判断、何时必须重新审阅？
- 应保留证据
- 支持中、发展中、混合或不足状态；带日期的理由、反证、负责人及复核触发条件。
- 停止条件
- 没有可辩护模型时，不要把多维证据压缩成一个置信百分比。
最小证据记录
九个字段，把“我看过”变成“别人可以复核”。
- 01主张
一个边界明确的句子
- 02决策
本次审阅服务的具体决策
- 03对象
系统、模型、版本与运行者
- 04来源
正式记录、作者与日期
- 05方法
任务、样本、基线与指标
- 06资料
数据、代码、配置与文档
- 07边界
人群、地区、工作流与排除用途
- 08状态
支持中、发展中、混合或不足
- 09复核
负责人、复核日期与变更触发条件
证据状态
状态描述公共记录，不假装提供数学确定性。
支持中
多项相关记录趋于一致，重要反证已被处理，且结论保持在已测试边界内。
发展中
已有可信证据，但复现、覆盖、观察时长或真实部署记录仍不完整。
证据混合
可信记录存在分歧，或结果随方法、人群、运行条件而显著变化。
证据不足
公开记录过少、过于间接、已经过时或与当前决策不匹配。
FUURAA 分析最有用的证据状态必须与决策颗粒度一致。某模型在一个固定英文基准上的结果可以处于“支持中”，但“适合东南亚多语言公共服务”仍可能是“证据不足”。这两个状态并不矛盾，因为它们对应不同主张。
快速拒绝条件
遇到这些信号，先降低结论强度。
- 01没有准确模型或系统版本
- 02只提供最好结果，不公开波动与失败
- 03测试集、训练数据或调参过程可能相互污染
- 04使用不相关或过时基线
- 05把开发者披露写成独立验证
- 06用单一指标覆盖成本、公平、稳健性或安全
- 07从英文、单一区域或实验室环境直接外推全球部署
- 08来源或页面后来更新，却没有说明哪些结论改变
一手来源与边界
方法来自公开记录；FUURAA 分析与来源结论保持分离。
来源于 2026 年 8 月 4 日核对。发布日期、证据角色与适用边界按各来源公开记录整理。
官方框架 · 一手来源NIST AI RMF 1.0
把 AI 评估连接到语境、受影响人群、测量、治理及全生命周期持续风险管理。
边界自愿性、跨行业且不限定用例；它不是行业认证，也不是完整评估协议。
打开一手来源 ↗生成式 AI 官方轮廓 · 一手来源NIST AI 600-1 · Generative AI Profile在 AI RMF 基础上补充生成式 AI 特有风险与行动，包括测量、来源、信息完整性与人类监督。
边界属于跨行业配套资源；具体行动仍需按照实际系统与风险语境确定优先级。
打开一手来源 ↗同行评议研究 · 文档方法Model Cards for Model Reporting说明为什么公开模型应同时披露预期用途、性能条件与相关人群分组评估。
边界报告框架不能独立验证开发者测量，也不能让不适用模型自动变得安全。
打开一手来源 ↗研究论文 · 数据集文档Datasheets for Datasets提供结构化方法，在把结果视为可迁移之前审查数据集动机、组成、收集、用途与限制。
边界文档质量取决于披露质量，不能替代数据检查、权利审查或本地验证。
打开一手来源 ↗同行评议研究 · 评估设计HELM · Holistic Evaluation of Language Models展示场景覆盖、多指标评估、标准化比较，以及对缺失或代表性不足测试的公开说明。
边界没有任何基准可以覆盖所有部署；随着模型、场景与方法变化，持续更新的基准也会改变。
打开一手来源 ↗继续使用
把方法用于一个真实问题，再进入证据图谱。
先用记录器保存主张、来源、评估、技术资料与边界，再由 AI 溯源图谱持续连接证据、分歧、局限与未知。