ClaimLens · AI 主張佐證

追蹤 AI 主張 直至其佐證依據。

Synthetic Nimbus Capital AI 宣稱擁有 98% 的內容偵測準確率。其所提供的測試記錄為 53%。ClaimLens 將語句、證據與判定規則整合在一起,讓審查人員能夠檢驗其中的落差。

6 min 56 sec · 合成記錄 · 快取的諮詢回覆

宣稱 98%

內容偵測準確率

Synthetic Nimbus 網站斷言

記錄為 53%

所提供的混合文字測試結果

Synthetic Nimbus 測試夾具

45 個百分點落差

超出所設定的容許偏差

示範規則:超過 5 個百分點

針對法務、合規、行銷與工程團隊所提供記錄進行的審查。示範判定並不構成法律合規性,亦未獨立驗證證據。

自信的語句仍需相符的記錄支撐

準確率主張使團隊必須對特定任務與量測結果負責。關於完全自主的聲明亦對人為介入程度做出了主張。審查過程需要將這些承諾妥善留存,以便與措辭背後的記錄進行比對。

在 Nimbus 範例中,重要的發現是宣傳的準確率與所提供測試之間的關聯。審查人員能看出哪句陳述需要關注以及原因為何。同一筆記錄也讓下一個問題變得具體:是措辭有誤、證據不完整,還是底層測試需要深入調查?

審查如何達成決策

我們展示了一套涵蓋 3 項合成揭露與 14 筆所提供證據記錄的有界工作流程。它擷取 10 項主張(ten claims),將其主體與記錄相互連結,並留存每項已設定判定的依據。

01 / EXTRACT

保留原始語句

確定性句子切分與 AI 關鍵字或主體比對會從打包的揭露資料中篩選主張。原始措辭保持清晰可見。

02 / LINK

尋找所提供的佐證

檢索功能將結構化的主體欄位與測試及維運記錄進行比對。它不執行語意搜尋,亦不驗證該等記錄的真實性。

03 / DECIDE

指明規則

純 Python 程式碼套用已設定的檢查項。在所示範的指標範例中,超過 5 個百分點的數值落差會得出 CONTRADICTED。

Substantiation Judge 提供建議,但不改變閘門決策。Adversarial Examiner 針對通過閘門佐證的主張執行,並可能在其回傳 REFUTED 時將其降級為 PARTIALLY_SUBSTANTIATED;它無法將其升級。錄製畫面在執行確定性檢查的同時重播快取的諮詢回覆。所有 4 筆快取的審查回覆均維持其佐證結果。

完成的執行可匯出 JSON Substantiation Package。它保留主張、來源、判定、規則、理由與證據識別碼以供後續跟進,並附帶摘要與版本資訊。它引用底層記錄;並不內嵌完整的證據封存檔案。

檢驗標籤背後的理由

這些視圖源自本機 ClaimLens 示範。此處顯示的每家 Nimbus 公司、揭露、測試與維運記錄皆為合成數據。

ClaimLens 內容偵測詳細資訊:98% 斷言準確率、53% 所提供測試結果以及 CONTRADICTED 政策決策。
內容偵測詳細資訊保留了來源語句、測試記錄與判定規則。其 45 percentage point gap 超出了所設定的 5 個百分點容許偏差。介面中的先例與法規標籤僅具說明性質,並非法律適用性結論。 檢視完整大小

矛盾指出衝突所在

另一項新進導覽斷言承諾無人為介入。其合成維運日誌記錄了 68% 的人為介入。已設定的無人介入規則在介入超過 10% 時回傳 CONTRADICTED;該門檻值為示範設定,而非具法律效力的充足界限。

落差保持開放以待調查

投資組合模型確實存在,但其所提供的日誌顯示僅對 1.5% 的配置決策產生影響。閘門回傳 NEEDS_PROOF。快取的裁判將其判定為矛盾,揭示了為何諮詢意見與最終結果需要各自獨立的標籤。

ClaimLens 合成投資組合主張,顯示 1.5% 維運影響、NEEDS_PROOF 閘門與快取的 CONTRADICTED 建議。
投資組合視圖在證據記錄中保留了精確的 1.5% 維運數值。其政策文字將此數值四捨五入為 2%;判定維持 NEEDS_PROOF,而快取的諮詢文字則顯示 CONTRADICTED。先例標籤為說明性質的夾具註記,並非法律結論。 檢視完整大小
ClaimLens 登記冊顯示 ten claims(10 項合成主張),其中 6 項需要後續跟進、2 項矛盾且 4 項已獲佐證。
登記冊將已獲佐證的主張與未解決的主張並列展示。在已設定規則下,4 項主張已獲佐證、2 項矛盾且 4 項需要證明。6 項需要後續跟進;這並非已確立違規事項的計數。 檢視完整大小

合成詐欺偵測主張憑藉其揭露的 94% 精確率以及佐證的測試與維運記錄,維持為已佐證狀態。獲得支撐的夾具結果仍只是關於所提供記錄的主張。審查人員在信賴實際措辭之前,必須驗證真實的量測數據及其相關性。

ClaimLens 合成詐欺偵測主張,具有揭露的 94% 精確率、測試與維運記錄,以及 SUBSTANTIATED 判定。
獲得佐證的詐欺偵測範例同時保留了測試與維運參照。其夾具測試文字敘述為 94.1%,而儲存的數值欄位為 94.0;揭露的主張為 94%。這是在已設定規則下的佐證,而非經獨立驗證的效能。 檢視完整大小

此工作流程適用的定位

ClaimLens 展示了主張對記錄的審查。此表格區分了已錄製工作流程所提供可受檢驗的內容,以及實際審查仍然需要進行的工作。

審查任務本示範提供的內容其範圍之外的內容
找出承諾事項連結至所提供來源的語句通用文件攝入與完整主張發掘
比對佐證依據基於主體的記錄連結與設定檢查項證據真實性鑑別與獨立測試評估
理解審查結果判定、判定規則與理由法律諮詢或監管核准
交付審查成果附帶證據識別碼的 JSON 封裝包完整的證據封存檔案或具防篡改特性的保管鏈

本示範未涵蓋的功能

這是一項使用搭售合成資料的本機示範。它沒有即時網站或申報資料爬蟲程式、不支援任意文件上傳、沒有生產環境 AIBOM 或 CI/CD整合、無語意檢索、無自主法律評估或 HTML 裝訂卷宗匯出。其門檻值並不確立統計信心度或法律充足性。本頁面旨在說明已錄製的工作流程;並不提供本機應用程式的存取權限。

審查團隊應探討的問題

這能告訴我們我們的 AI 主張是否符合法律規範嗎?

ClaimLens 使用已設定的示範規則比對所提供的措辭與技術記錄。已佐證的結果不等於法律許可,且介面中顯示的法規標籤僅為說明性質的路由標籤。對底層記錄的人工審查與驗證仍然不可或缺。

我們可以上傳自己的文件或連結我們的網站嗎?

本示範使用搭售的合成 Nimbus 資料集。它不接受任意文件上傳,亦不爬取網站、申報文件或內部系統。本頁面展示已錄製的工作流程及其證據視圖。

審查實際上會檢查哪些證據?

此示範透過結構化的主體欄位,將擷取的語句與所提供的技術記錄進行連結。這些記錄包含測試與維運日誌。各項檢查比對已設定的數值與條件;它們不會對記錄進行真偽鑑別,亦不會獨立評估測試方法論。

AI 會做出最終決策嗎?

Substantiation Judge 提供建議,但不改變政策閘門決策。Adversarial Examiner 在回傳駁斥結論時可將通過閘門佐證的主張降級,但無法將主張升級。在此錄製中,諮詢回覆均經過快取,且所有 4 筆審查人員回覆均維持獲得佐證的結果。

為什麼即便模型確實存在,主張仍可能需要證明?

模型記錄確立了該組件已具備文檔記載,但維運主張還需要其具體作為的證據。在合成投資組合範例中,所提供的日誌顯示僅對 1.5% 的配置決策產生影響。已設定的閘門回傳 NEEDS_PROOF,將該落差留存以待審查。

審查人員在匯出的封裝包中能獲得什麼?

瀏覽器中的 Export 按鈕會將已完成執行的結果儲存為 JSON 封裝包,內含每項主張、來源、判定、判定規則、理由與證據識別碼。它亦包含摘要、引擎版本與產生時間戳記。它並不內嵌完整的證據記錄、諮詢逐字稿或具防篡改特性的保管鏈。

技術研究

探索相關研究以獲取本示範更廣泛的背景資訊。

將主張與其證據納入同一審查流程

與 Veriprajna 探討主張佐證工作流程。

在確定實作方案之前,我們可以深入討論您團隊所需的記錄、審查邊界以及人工決策需求。

界定審查範疇

  • ✓ 識別待審查的措辭
  • ✓ 對應所提供的證據
  • ✓ 指明未解決的疑問
  • ✓ 議定人工審查職責

定義實作方案

  • ✓ 探討來源與記錄的攝入
  • ✓ 定義合適的規則邊界
  • ✓ 規劃面向審查人員的說明
  • ✓ 明確證據交付要求