個人檔案報告入面嘅信心數字，只有喺你知道佢量度緊乜之後先有意義。喺當佢係「關於某個人嘅講法為真」嘅概率之前，要求報告界定呢個數字嘅單位、佢嘅比較基準，以及背後有冇任何驗證。喺此之前，將個分數放喺獨立一欄，同觀察到嘅公開事實分開，並將佢理解為一個未定義嘅標籤，而唔係對任何人嘅確定判斷。
使用我們的 TraceSeek 應用程式尋找公開社交檔案線索。
首先講清楚個數字嘅單位
數值模型分數同有來源嘅事實、同實測成功率係兩種唔同嘅嘢。有來源嘅事實指向一段你可以查閱嘅公開聲明；實測成功率嚟自對已知案例嘅驗證；而分數係一個輸出，佢嘅意義取決於佢受訓同受測去比較啲乜。當報告顯示一個數字但冇講明佢屬於邊一種，就將佢記錄為未定義單位。唔好靜靜雞將佢轉化成關於某個人嘅概率，因為嗰個轉化係報告未挣到嘅推論。 [NIST AI 600-1：生成式人工智能的憑空捏造與來源核實]
- 照顯示嘅樣寫低個數字，連同佢嘅標籤同任何附帶字眼。
- 留意報告有冇講明單位、基準、範圍或者驗證集。
- 如果上述任何一項欠奉，就將個數字標為未定義，而唔係精確。
解讀之前先問三個問題
問清楚個數字量度緊乜、佢同乜嘢比較、以及有冇提供任何驗證。一個分數可能描述同某個儲存範例嘅相似度、來源之間嘅吻合程度，或者內部模型嘅偏好；呢啲都唔係關於某個人嘅概率。驗證先係可以令你將個數字讀成已校準嘅部分。一般 AI 風險指引指出，表現唔應該由狹窄、非系統性或者軼事式嘅評估外推，而生成輸出可以顯得自信，同時同佢嘅輸入並唔一致。對任何冇講明依據嘅分數，都套用呢個謹慎態度。 [NIST AI 600-1：生成式人工智能的憑空捏造與來源核實]
- 個數字量度緊乜？
- 佢同乜嘢比較過？
- 有冇提供任何驗證，又係喺邊類案例上面？
將未定義嘅分數同觀察到嘅事實分開
建立兩份獨立記錄。第一份放你喺准許嘅公開來源觀察到嘅嘢：一個用戶名稱、一則公開帖文、一張圖片、一個講明嘅從屬關係。第二份放報告嘅數值輸出，以及報告由佢推論出嚟嘅一切。將兩者喺視覺上分開，令分數永遠唔會為一段本身冇來源嘅陳述借嚟權威。凡報告比來源更肯定嘅地方，喺該講法旁邊寫低欠奉嘅限定語，並將該講法縮減到來源實際支持嘅程度。
| 觀察 | 限制 | 下一步 |
|---|---|---|
| 一個公開檔案用自己嘅字眼講明一個角色 | 呢個係自我描述，唔係核實身份或者當前活動 | 引用該公開聲明並註明日期 |
| 報告喺該角色旁邊顯示一個信心數字 | 冇提供單位或者驗證，所以個數字係未定義 | 將個數字記錄為未定義標籤，而唔係概率 |
| 報告入面出現一個圖片匹配 | 一個匹配唔會確認身份、擁有權或者當前活動 | 將個匹配保留為線索，並註明唔吻合嘅風險 |
唔好俾一個小數令人以為有驗證
呈現上嘅精確並非準確嘅證據。一個寫到幾個小數位嘅數字可以睇落好校準，但對真實世界乜都冇量度到。喺報告界定個分數嘅依據之前，將格式當作門面工夫。喺依賴任何生成輸出之前，先審閱同核實佢嘅來源，因為生成文字可以用自信嘅語氣呈現冇支持嘅內容。如果報告冇提供定義，你嘅工作表就應該喺個數字旁邊寫上「未定義」呢個詞，而唔係一個概率估計。 [NIST AI 600-1：生成式人工智能的憑空捏造與來源核實]
記錄確切嘅限制，然後就此停手
如果來源欠奉、屬於私人、唔吻合或者含糊，就寫低嗰個確切嘅限制，然後停止未有支持嘅推論。唔好以私人存取、相似度猜測或者更高分數去代替缺失嘅證據。一個有用嘅限制會講明欠咗啲乜：帖文被刪、圖片只係鬆散匹配、個檔案可能屬於多過一個人。講明個缺口，就可以令你決定下一步點做，而唔會將不確定性變成對某人嘅結論。
- 講明具體嘅缺口，而唔係一句籠統嘅免責聲明。
- 唔好將私隱設定、沉默或者相符嘅相片當成身份或者意圖嘅證明。
- 如果一條線索重要，就計劃透過公開來源本身進行合法核查，而唔係繞過佢。
一份報告嘅讀者工作表
整三欄：報告陳述、來源依據、狀態。喺來源依據一欄，貼上或者轉述報告所依據嘅公開聲明。喺狀態一欄，揀有來源事實、推論講法，或者未定義分數。凡數字單獨出現嘅行，都留喺未定義一欄。呢個係你自己寫嘅編輯輔助工具；佢唔係任何平台提供嘅控制功能。佢可以令一個假設例子保持誠實：如果一份報告喺一個公開用戶名稱旁邊顯示 0.87，工作表就會記錄一個有來源嘅用戶名稱同一個未定義嘅數值標籤，而唔係一個 87 百分比嘅機會，指關於該人嘅任何事為真。
仲有幾條問題
一個高信心數字係咪代表關於某個人嘅講法好可能為真？
唔係，除非報告界定個數字嘅單位、佢嘅比較基準，以及有冇提供任何驗證。冇呢啲，個數字就係一個未定義標籤，而唔係關於某個人嘅概率。
我係咪應該完全忽略個分數？
唔係。照顯示嘅樣連同標籤記錄低，註明欠奉嘅定義，並將佢同有來源嘅事實分開，令佢既唔支持亦唔削弱嗰啲事實。
如果報告講法背後嘅公開來源缺失或者含糊，咁點算？
記錄確切嘅限制，例如帖文已刪除或者圖片只係鬆散匹配，然後喺嗰度停止推論。唔好用分數、猜測或者存取私人資料去代替缺失嘅證據。
來源及編輯說明
官方參考資料查核於 2026年10月24日。清單、比較表及範例措辭均為 DateClues 的編輯工具，並非官方測試或經驗證的風險評分。
一般資訊。任何指南或工具均無法核實某人的身分、意圖或安全。 閱讀我們的編輯標準。