冻结准确事实性主张与决定
- 判断问题
- “事实可靠”指来源有据、符合现实、内部一致、信息当前、内容完整，还是能恰当表达不确定性；面向哪些用户、任务与后果？
- 最低证据
- 逐字主张、主张者与日期；模型和系统版本；任务、领域与语言；事实性定义、分析单位、质量底线、允许证据与决定情境。
- 停止条件
- 流畅度、自信语气、引用数量或单一汇总分数被当作事实性的通用定义时停止。
可信语气不是事实证据
事实性必须回到可核对主张、适用来源、完整分母、时间边界与不确定性，而不是回答听起来多像真的。
“幻觉”可能指与给定来源冲突、与现实事实冲突、无法核实、引用错配、时间过期或无依据推断。不同定义会产生不同分数，因此必须先定义主张，再决定证据和指标。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、事实核查服务、数据集、基准或评判器；不构成准确性保证、认证、审计、医疗、法律、投资、采购或合规意见。
六道可拒绝的证据门
每道门都回答一个判断问题、要求最低证据，并在关键未知时停止外推或缩小结论。
明确问题、参考事实、时间与可回答性
- 判断问题
- 哪些问题答案稳定、哪些会随时间变化、哪些含错误前提、哪些无法由允许证据解决？
- 最低证据
- 提示集与抽样框架、参考答案及来源版本、证据截止时间、司法辖区与地域、错误前提案例、不可回答案例、歧义政策与更新计划。
- 停止条件
- 过时答案键为当前事实评分、有争议主张被视为定论，或强制回答把证据缺失造成的错误只归因于模型时停止。
把输出拆分为可核对主张
- 判断问题
- 最小可独立核验主张是什么；如何保留限定语、日期、数量、实体、关系、因果语言与隐含事实？
- 最低证据
- 原子主张协议、拆分示例、纳入规则、归因与引文处理、主张标识、遗漏内容复核、标注者培训、一致性与裁决。
- 停止条件
- 一个受支持句子隐藏不受支持分句、限定条件被剥离，或段落级标签掩盖混合事实性时停止。
让每项主张匹配独立证据
- 判断问题
- 可访问证据是直接支持、反驳还是无法解决准确主张；证据对相应日期、人群与范围是否权威且适用？
- 最低证据
- 准确来源、版本与位置；检索词与结果集；出版状态；支持关系；冲突来源；独立性；复核理由与核对日期。
- 停止条件
- 可解析网址被当作支持、搜索摘要代替原始来源、模型为自身核验，或证据支持相近但不同的主张时停止。
在完整分母上测量错误、拒答与不确定性
- 判断问题
- 主张得到支持、被反驳、无法核实、被遗漏或过度限定的频率如何；系统何时拒答；表达的置信度是否对应实际正确率？
- 最低证据
- 主张级精确率与覆盖率、回答级成功率、反驳及不可核实率、拒答与过度拒答、逐置信区间校准、不确定性、子群结果与所有失败输出。
- 停止条件
- 不受支持主张被移出分母、较短回答因少说而取胜却未披露，或拒答无论是否有用都被计为事实成功时停止。
测试真实使用、变化与到期
- 判断问题
- 证据能否经受真实提示、当前事件、检索中断、对抗性表达、多种语言与系统变化；何种变化要求重新验证？
- 最低证据
- 类生产任务分布、新鲜事实与错误前提探针、来源和检索日志、事件样本、用户纠正路径、重大变更记录、监测窗口、到期与责任人。
- 停止条件
- 静态基准变成永久部署主张、证据索引或模型变化后未重测，或用户无法质疑和纠正高后果错误时停止。
最低事实性主张失效矩阵
主动检查这些情形，才能发现可信语气、真实链接与漂亮分数背后的来源错配、时间过期和分母错误。
- 01流畅回答附有真实引用，但核心主张仍不受支持
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 02过时答案键把当前事实判错，或把过时模型答案判对
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 03一个受支持分句隐藏虚构日期、数量或因果关系
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 04评判器与生成器共享同一误解或来源
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 05未打开准确来源与段落便接受搜索摘要
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 06不受支持主张在过滤后从分母中消失
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 07拒绝所有困难问题却得到看似完美的分数
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
- 08模型、检索索引、提示或现实事实变化后未复核
记录受影响的主张、来源、日期、用户、任务与决定；保留仍成立的最窄陈述，并明确需要补证据、重新标注、拆分结果、重测还是撤回结论。
最低事实性评估记录
让下一位复核者能够重建同一系统、问题、参考事实、来源、评判与分母边界下的结论。
- 01准确主张、主张者、任务、决定、核对日期与到期
- 02模型、端点、提示、工具、检索与系统版本
- 03提示样本、领域、语言、人群与后果等级
- 04参考来源、版本、位置与证据截止时间
- 05稳定、新鲜、有争议、错误前提与不可回答标签
- 06原子主张、限定语、遗漏、归因与标识
- 07支持、反驳与无法解决判断及理由
- 08精确率、覆盖率、拒答、校准、失败与不确定性
- 09复核者适配、独立性、一致性与裁决
- 10最窄有支持结论、重大未知与复核责任人
统一证据状态
把结论绑定到准确系统、问题分布、参考事实、支持协议、分母与日期，而不是笼统的“幻觉率”。
准确系统与范围在可复现协议下达到声明的事实精确率、覆盖率、拒答与新鲜度阈值。
证据只支持指定领域、问题类型、来源、语言、日期或后果等级；迁移仍有边界。
受支持与不受支持主张、新鲜度结果、评判者或子群显著分化，须拆分报告。
流畅度、引用、单个基准、自洽性或无记录演示无法建立事实可靠性。
FUURAA 分析AI 事实性与幻觉主张的最小判断单位是“准确系统与版本 × 问题、领域、语言与时间 × 原子主张及限定语 × 来源版本与支持关系 × 精确率、覆盖率、拒答和不确定性 × 截止日期”。引用核验回答某个来源是否支持某句话；事实性评估还必须说明问题如何抽样、事实如何更新、所有主张如何进入分母，以及系统何时应当承认不知道。
一手来源与不可外推边界
这些来源分别约束生成式 AI 风险、常见误解、原子事实、幻觉识别、动态知识与搜索增强评判；没有任何单项能独立证明普遍事实可靠性。
来源于 2026 年 8 月 25 日重新核对。每项保留发布日期、在本方法中的作用与不可外推边界。
2024 年 7 月 26 日发布；2026 年 4 月 8 日更新NIST AI 600-1 — Generative AI Profile
将虚构识别为生成式 AI 风险，并把测量、溯源、人工复核与部署后监测连接到风险管理。
边界该文件是自愿采用的跨行业指南；不定义单一通用幻觉指标，也不认证任何系统具备事实可靠性。
打开一手来源 ↗2021 年 9 月 8 日首次提交TruthfulQA — Measuring How Models Mimic Human Falsehoods以 817 个问题和 38 个类别测试模型是否复现常见误解，从而把真实性与简单模仿区分开。
边界其精选问题与被测模型快照不能证明当前世界信息新鲜度、长文本事实性、所有语言或部署领域。
打开一手来源 ↗2023 年 5 月 23 日首次提交FActScore — Fine-grained Atomic Evaluation of Factual Precision把长文本生成拆分为原子事实，并测量其中被指定知识来源支持的比例。
边界原子事实支持度取决于所选来源、检索和评判者；事实精确率本身不测量完整性、相关性或决策适用性。
打开一手来源 ↗2023 年 5 月 19 日首次提交Renmin University of China and collaborators — HaluEval为问答、对话、摘要与幻觉识别提供生成样本及人工标注样本。
边界合成生成与标注选择会塑造难度；识别已标注幻觉不等于系统能在真实使用中避免幻觉。
打开一手来源 ↗2023 年 10 月 5 日首次提交Google Research and collaborators — FreshQA / FreshLLMs以动态问题、快速变化知识与错误前提，在现实事实变化条件下区分正确性与幻觉。
边界搜索增强取决于证据新鲜度、排序与提示顺序；基准提升不能证明所有检索答案都当前且有支持。
打开一手来源 ↗2024 年 3 月 27 日首次提交Google DeepMind and collaborators — Long-form Factuality / SAFE提出 LongFact 与搜索增强评判器，把回答拆分、检索证据并判断各项事实是否得到支持。
边界自动一致性取决于搜索结果、拆分、评判模型与提示；不能替代对高后果主张的专家复核。
打开一手来源 ↗继续核对