電商 AI 準確度 | Vouchmark

更正 HDR 主張。保留 120Hz 回答。

單一購物回答可能同時包含正確的細節與錯誤的規格。Vouchmark 針對每項主張展示各自獨立的目錄判定：合成電視回答將 HDR10+ 更正為 HDR10，同時保留其受支援的更新率。

32/32

標記為 True 的主張皆予保留

固定標記合成評估

60/60

主張判定符合測試夾具標籤

已拆解之合成主張案例

47/47

Pass/Correct 記錄均附有參照

測試夾具參照存在性，非真實性驗證

這些結果測試針對自編測試夾具的本地判定規則。它們不衡量主張擷取能力、未見過的消費者流量或實際生產環境效能。

回答層級的「是」可能掩蓋主張層級的錯誤

合成 Vega 電視草稿宣稱支援 HDR10+ 與 120Hz 更新率。本地目錄支援 120Hz，但標註為 HDR10。全盤採納草稿會留下錯誤的規格標準；全盤拒絕則會捨棄受支援的細節。

審核問題更為精確：哪項斷言符合記錄、哪項相互矛盾，以及哪項無法確立？這種區分方式為目錄與產品團隊提供實用依據，用以決定助手可顯示哪些內容。

主張判定如何運作

Vouchmark 封裝助手草稿。預先準備的場景提供不可分割的原子主張；獨立的自由格式端點支援可選的模型擷取或有限的模式後備機制。示範影片採用預先準備的場景，並不確立擷取準確度。

1. 識別斷言與目錄屬性
電視輸入提供一項 HDR 主張與一項更新率主張。本地 JSON 目錄儲存屬性值、信心標籤與自編參照字串。過程中不擷取任何外部來源。
2. 依明確規則進行比對
確定性閘門將 HDR10 與 HDR10+ 辨識為不同標準。它更正不符之處，並讓符合的更新率通過。其正規化、精選比對與屬性規則涵蓋範圍有限。
3. 組合回答並保留判定記錄
主張層級的供應文字構成顯示回答，除非設定的安全規則予以覆蓋。JSON 或可列印的 HTML 收據記錄斷言內容、目錄內容以及判定變更的原因。

未知屬性產生 Abstention；缺失產品或屬性則產生 Outside coverage。推論目錄值可與已驗證值通過相同的比對路徑，因此收據中的信心標籤至關重要。獨立的確定性完整性規則會捕捉選定且已設定的隱含主張；它並不檢驗散文中所有可能的含意。

追蹤回答從草稿到目錄判定的完整歷程

此處顯示的所有產品、記錄、草稿與評估案例均為合成資料。預先準備的場景提供其原子主張。在此展示中，Verified 等 UI 標籤僅描述目錄比對狀態；它們並不構成獨立的外部驗證。

實例演練：單一電視回答，兩種不同判定

消費者詢問合成 Vega 電視是否支援 HDR10+ 與 120Hz。預先準備的草稿以確信語氣回答了這兩個問題。目錄支援該更新率，但記錄了不同的 HDR 標準，因此該回答需要選擇性更正。

預先準備的助手草稿

是的，Vega 65" OLED 支援 HDR10+ 與 120Hz 更新率。

合成 Vega 電視草稿與顯示的 HDR10 更正及保留之 120Hz 主張並列。 — 合成 Vega 回答保留 120Hz 並將 HDR10+ 更正為 HDR10。商店價格、評價與控制項僅供示意。開啟圖片以進行全尺寸檢視。

1. 將每項斷言與其目錄屬性進行比對

HDR 斷言與更新率斷言作為分別提供的獨立主張送達。每項斷言均與各自的產品屬性進行比對，而非給予整個句子單一核准標籤。下方目錄值在測試夾具中具有 Verified 信心標籤；這些標籤均為自編元資料。

合成電視場景中的主張判定
屬性	草稿斷言	目錄值	判定	對回答的影響
HDR 標準	HDR10+	HDR10	Correct	替換相互矛盾的標準
更新率	120Hz	120Hz	Pass	保留受支援的細節

HDR 主張對話方塊顯示斷言 HDR10+、合成目錄中的 HDR10 以及更正判定。 — 此比對揭示了斷言值、目錄值與自編測試夾具參照。該參照並非擷取的製造商文件。開啟圖片以進行全尺寸檢視。

2. 依據各項個別判定組合回答

閘門產生以下顯示回答。HDR 更正指明了記錄值與被拒絕的斷言；更新率陳述則予以保留。符合目錄是本展示所驗證的檢查，而該目錄的品質仍屬獨立的責任範圍。

顯示回答

Vega 65" OLED TV: HDR is HDR10, not HDR10+ (corrected). Vega 65" OLED TV: Refresh Rate = 120Hz (verified).

3. 檢視收據中變更的內容

JSON 與可列印的 HTML 收據保留原始草稿、顯示回答與兩列判定資料，包括斷言值、目錄值、信心標籤與測試夾具參照。審核人員可確認更正並未暗中捨棄受支援的更新率。時間戳記與衍生自雜湊的識別碼用於識別此產生記錄；它們並不使其具備數位簽章、不可篡改性或持久封存特性。

產生的 Vouchmark 電視收據，包含原始草稿、供應回答與兩列主張判定。 — 實際產生的收據完整保留兩項判定及其測試夾具參照。其時間戳記與識別碼並不確立簽章或不可篡改的保管鏈。開啟圖片以進行全尺寸檢視。

未知評級需要不確定性表示，而非替換值

合成 Summit Ridge 外套草稿承諾完全防水，但其防水等級屬性為 Unknown。閘門對該承諾做出 Abstain 判定。它既不下結論說該外套不防水，也不憑空捏造評級。目錄團隊在做出更強烈的主張之前，需要合適的產品證據。

合成 Summit Ridge 外套回答因目錄評級未知而拒絕確認完全防水。 — 另一個合成外套案例對未知的防水等級做出 Abstain。顯示的 0/0 出處百分比並非涵蓋範圍證據。開啟圖片以進行全尺寸檢視。

設定的隱含規則可揭示遺漏的主張

合成 Nimbus 筆記型電腦草稿稱其為出色的電競筆電，並聲明配備 16GB RAM。其提供的主張清單僅包含 RAM。確定性完整性規則將電競相關用語對應至獨立 GPU 斷言，接著將該新增斷言與目錄中的整合式 Intel Arc 顯示卡進行比對。RAM 通過（Pass）；設定的 GPU 隱含主張被更正（Correct）。這展示了一項有限的詮釋規則，而非完整的語意擷取或對每款遊戲的適用性判斷。

合成 Nimbus 筆記型電腦顯示受支援的 16GB RAM 主張與更正的獨立 GPU 隱含主張。 — 設定的完整性規則根據電競用語增加獨立 GPU 斷言。合成目錄列出整合式 Intel Arc 顯示卡；16GB RAM 予以保留。此規則並非通用的遊戲適用性測試。開啟圖片以進行全尺寸檢視。

產品記錄無法確立藥物交互作用的回答

在合成 MagCalm 場景中，使用者查詢詢問抗凝血劑。設定的正規表達式篩查以拒絕回答覆蓋產品回答，並提供指名合格藥師為建議審核對象的文字。藥物交互作用欄位亦為 Unknown。這展示了不予提供產品回答的決定；系統並未執行專業人員轉接，亦未驗證任何醫療建議。

合成 MagCalm 藥物交互作用查詢，其產品回答被拒絕並附有模擬藥師指引目標。 — 設定的正規表達式篩查拒絕了這項合成藥物交互作用查詢。轉接與呈報文字僅為模擬：並未聯絡任何藥師。其顯示的 0/0 出處並非涵蓋範圍證據。開啟圖片以進行全尺寸檢視。

閱讀基準測試及其所附測試單元

固定評估將 60 個已拆解的主張測試夾具直接送至閘門，並將 7 個獨立的查詢測試夾具送至篩查。它依據自編預期標籤測試本地規則。它不測試模型擷取、未見過的消費者流量、來源真實性驗證或實際生產環境效能。

固定標記合成評估
衡量項目	結果	統計項目
主張判定相符數	60/60	32 個 Pass、15 個 Correct、10 個 Abstain 及 3 個 Outside coverage 測試夾具標籤
真實主張保留率	32/32	標記為 True 且維持 Pass 的主張
植入錯誤主張攔截數	28/28	標記為非 Pass 的主張被判定為 Correct、Abstain 或 Outside coverage；更正後的值仍可供應
參照存在率	47/47	附有非空測試夾具參照字串的 Pass/Correct 記錄
查詢篩查相符數	7/7	5 個設定的觸發條件與 2 個一般產品查詢

已完成的固定合成評估顯示 60 個主張判定相符、47 筆已參照供應記錄及 32 個保留的真實主張。 — 已完成的總帳結合了 60 個主張案例與 7 個查詢篩查案例。標有 Sony 名稱的資料列為合成記錄，非經驗證的製造商規格。開啟圖片以進行全尺寸檢視。

此總帳結合了不同的測試單元。其總數 67 並不代表 67 項產品主張或 67 次專家呈報。參照字串的存在性僅說明測試夾具判定的指向；它並不驗證外部製造商來源的真實性。

各審核方法確立的範疇

這些是審核助手回答的設計選擇，而非針對競品的評語。擷取相關目錄記錄與依據該記錄檢查特定斷言是不同的步驟。

審核方法	電視案例所揭示的現象	尚待解答的問題
全盤採納草稿	同時保留 HDR10+ 與 120Hz	哪項斷言與記錄矛盾？
全盤拒絕草稿	連同受支援的更新率細節一併移除	哪項有用的主張本可保留？
套用主張層級目錄檢查	更正 HDR 並保留更新率	相關主張是否已擷取，且目錄是否健全無虞？

本展示未包含之事項

本展示僅展示針對合成輸入的本地規則，並非實際商店部署。此處未實作任何商店、PIM、結帳、付款或專家連接器，且零售控制項不執行交易。設定的醫療篩查顯示拒絕回答與建議的藥師轉介目標；它並不會聯絡專業人員。

本展示不保證完整的主張擷取、正確的目錄資料、詳盡的隱含檢查或在未見過回答上的效能表現。收據為可檢視的匯出內容，而非經簽署的記錄或持久稽核封存。實際部署需要對這些邊界進行獨立驗證。

來自產品與目錄審核的常見問題

這能否在不封鎖整個回答的情況下，修正錯誤的產品細節？

Vouchmark 展示了針對個別主張的獨立判定。在合成 Vega 電視範例中，它將 HDR10+ 更正為目錄值 HDR10，並保留受支援的 120Hz 更新率陳述。

當我們的目錄缺少資訊時會發生什麼事？

標記為 Unknown 的屬性產生 Abstention；缺失產品或屬性則產生 Outside coverage。在合成雨衣外套範例中，顯示回答因評級為 Unknown 而拒絕確認完全防水。

這只是用另一個模型來檢查第一個模型嗎？

目錄判定與目前的完整性規則均為確定性 Python 規則。僅自由格式的主張擷取可選擇性使用模型；預先準備的範例直接提供其主張，並不衡量模型擷取。

它是否能連線至我們的 Shopify 商店或 PIM？

本展示讀取本地合成目錄與政策記錄。商店、PIM、結帳及專家整合並未實作；實際部署需要個別的整合與驗證工作。

準確度結果實際上測試了什麼？

在固定標記合成評估中，所有 60 個已拆解的主張案例均符合其自編預期判定。7 個查詢篩查案例為獨立測試單元；兩項結果均不衡量擷取完整性、未見過的消費者流量或實際生產環境效能。

我們能否看到它為何變更了回答？

JSON 與可列印的 HTML 稽核收據保留輸入草稿、顯示回答以及逐項主張的斷言、目錄值、判定、信心標籤與參照。參照為自編測試夾具元資料；收據並非數位簽章、不可篡改封存或持久稽核儲存庫。