冻结准确主张与决策情境
- 判断问题
- 主张的数字、比较、阈值或趋势是什么;针对谁、哪里、哪个时期,以及服务于什么决定?
- 最低证据
- 逐字主张、发布者、日期、目标读者、决策用途、比较对象、方向、重要性阈值与允许解释。
- 停止条件
- 标题与正文中的主张发生变化、决策情境被隐藏,或相关、预测与因果效应被混为一谈时停止。
精确数字不自动构成证据
AI 可以快速提取表格、运行计算和生成图表,但也可能改变单位、分母、时间窗口、缺失值处理或因果含义。核验必须从主张返回源数据,再沿每项变换到最终解释。
适用边界本页是公共研究方法,不代表 FUURAA 产品能力,也不评价任何模型、供应商、数据集、统计机构或研究成果;不替代领域专家、统计复核、测量校准、同行评审或正式审计,也不是医疗、法律、投资、采购、认证或合规意见。
六道可拒绝的证据门
最低量化主张失效矩阵
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
记录受影响的数据、计算步骤与决定,保留仍可成立的最窄陈述,并明确需要更换数据、重算、增加不确定性还是撤回解释。
最低量化主张核验记录
统一证据状态
主张、分母、数据版本、变换、不确定性与带日期解释均可独立重建,并在明确容差内一致。
计算可复核,但结论只适用于明确总体、时期、单位、数据版本、假设或分析选择。
合理的分母、亚组定义、数据修订或模型选择产生实质不同结果,差异应继续公开保留。
关键输入、分母、版本、计算或不确定性证据缺失;精确数字、图表与引用不能替代可复现性。
FUURAA 分析量化主张的最小判断单位不是一个数字,而是“准确主张 × 总体与分母 × 数据及版本 × 变换与计算 × 不确定性 × 截止日期”。模型能够生成合理公式和精确小数,却不会因此获得缺失的分母、正确版本或现实解释权。FUURAA 建议把每个数字视为一条可重放、可拒绝、会到期的证据链。
一手来源与不可外推边界
来源于 2026 年 8 月 23 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。
提供可测试的数据集元数据、溯源、质量、版本、标识符、访问、保存、丰富与引用实践。
边界该推荐标准聚焦网络数据的发布与复用;遵循它并不能验证某项统计、计算或决策主张。
打开一手来源 ↗W3C 工作组说明,2016 年 12 月 15 日W3C Data Quality Vocabulary对质量维度、指标、测量、注释、政策与派生关系建模,使使用者能够判断数据集是否适合特定目的。
边界DQV 有意不规定统一的“质量”定义,且属于工作组说明,不是质量评分或认证方案。
打开一手来源 ↗W3C 推荐标准,2013 年 4 月 30 日W3C PROV-DM — The PROV Data Model定义实体、活动、主体与派生关系,用于追踪源数据经过清洗、连接、计算、修订与发布的过程。
边界完整溯源图可以揭示变换过程,但并不证明输入、代码、假设或结论正确。
打开一手来源 ↗2015 年 11 月 4 日发布;2021 年 6 月 2 日更新NIST TN 1900 — Simple Guide for Evaluating and Expressing Measurement Uncertainty说明测量模型、输入、概率分布,以及评价和表达不确定性的方法,并提供完整示例。
边界该指南处理测量不确定性并补充 NIST TN 1297;它不是适用于所有生成数字的通用统计审计方法。
打开一手来源 ↗2008 年版;对 GUM 1995 作少量修订JCGM 100:2008 — Guide to the Expression of Uncertainty in Measurement建立适用于广泛测量领域的不确定性评价与表达通用规则。
边界GUM 适用于明确条件下的测量模型;它不验证数据集选择、因果解释或 AI 生成文字。
打开一手来源 ↗2024 年 7 月 26 日发布;2026 年 4 月 8 日更新NIST AI 600-1 — Generative AI Profile把 AI 风险管理扩展到生成式 AI 的虚构、信息完整性、监测与人工核验风险。
边界该跨行业风险画像不规定统计分析方法,也不验证单项量化主张或认证生成内容。
打开一手来源 ↗继续核对