AI 输出核验清单

通读是最没用的核验方式

拿到一段 AI 写的投研内容，大多数人的第一反应是从头到尾读一遍，看看有没有哪里不对劲。 这个动作几乎没有作用，原因很简单：编造出来的句子和抄自年报的句子，在文本表面没有任何区别。 它们同样具体、同样有单位、同样和上下文严丝合缝——事实上编造的那句往往更顺， 因为它就是按上下文推出来的，而真实数据经常有点别扭，有零有整，还带着一堆口径说明。

所以核验不能靠语感，只能靠分类。把材料按「这一类错了会怎样」和 「模型在这一类上最容易补全什么」两条线切开，不同的类走不同的动作： 有的必须回一手资料逐个查，有的必须找到原文逐字比，有的只需要补一个日期， 有的确认一下口径就行，还有的干脆可以放过。这套分类就是本页清单的全部内容。

第二个要解决的问题是时间。全查在很多场景下不现实，而抽查又常常抽得毫无章法—— 随手看三条觉得没问题就发出去了。抽检其实是有算术的：抽多少条、怎么抽、 抽完之后能得出什么结论，都不该凭感觉。本页的计算器就干这件事。

五档分类：不同内容需要的动作根本不是一回事

必须逐个回查。 财务数字、日期、人名与职务、持股比例、监管处罚，还有产能订单客户这类经营数据。 这几类的共同点是错了会直接改变结论，而且都是模型最容易「补全」的地方： 它对一家公司的量级有印象，于是能写出一个数量级正确、具体数值错误的数。 这一档没有捷径，必须打开定期报告、公告或监管机构官网，把那个值找出来比对。

必须核对原文。 所有带引号的直接引述，以及「据某某报道」这类转述来源。 引号在读者心里是极强的背书，而生成一段「那个人会怎么说」的话恰恰是模型最擅长的。 这一档的动作和数字不同：要找到被引的那份原文本身，逐字比对，确认它存在且完整。 核不到原文时唯一正确的处理是去掉引号、改成自己的转述并注明未核实。

必须标注时点。 「目前」「最新」「近期」「今年以来」，以及所有排名与地位表述。 这类词严格说不算编造，但它把「什么时候的事」这个关键条件藏了起来， 而读的人会默认是此刻。处理动作很轻：换成明确日期，注明数据截止到哪一天， 排名则补上统计口径与样本范围。轻，但不能省。

必须确认口径。 同比环比、合并与母公司、扣非与不扣非、跨期跨市场对比。 这一档最阴险：每个数字单独看都是对的，回查也查不出问题， 放在一起做出来的对比却是错的。基期被追溯调整过，增长率就变了； 两家公司用不同准则或不同币种，并排放进一张表就没有意义。 查这一档不能查数字，只能查口径声明。

可以放过。 通用概念解释、方法论描述、以及对你自己提供材料的整理改写。 这些内容在训练材料里高频且稳定，出错概率低，且一旦出错通常是明显的逻辑不通。 唯一要留意的是整理类任务里的「顺手补充」——模型可能把它自己知道的东西掺进你的材料， 抽查有没有出现原文里没有的内容即可。

抽检的算术：先分贵贱，再谈随机

时间不够时，把有限的核验次数平均分给所有条目是浪费，因为这些条目的出错代价差着数量级。 一条被引进结论的数字错了，整段结论作废；一条背景描述里的数字错了，读者顶多觉得别扭。 所以计算器的分配原则只有一条：贵条目优先全查，剩下的时间才拿去做随机抽样。 贵条目的判定标准也很简单——直接支撑结论的、你打算原样引用出去的、以及全部带引号的引述。

剩余部分用等距抽样：把剩下的条目平均切成若干段，每段抽一条，起点随机。 不建议凭手感挑着看，人挑出来的样本会系统性地偏向开头几段和那些「看起来可疑」的地方， 而编造的内容恰恰不看起来可疑。另外有一条规则值得单独执行： 一旦某段抽到错误，把该段的全部条目升级为全查——错误在文本里往往是聚集的， 一段里出现问题，同一段的其他条目通常来自同一次不靠谱的生成。

如果算下来时间连贵条目都覆盖不了，计算器会直接把这个事实摆出来。 这时候正确的反应不是把标准降下来抽两条意思一下，而是回头改任务范围， 让 AI 少写一点需要核实的内容——核验成本大致正比于需要回查的条目数， 而条目数是你在提需求的那一刻决定的。

抽到一条错，意味着什么

这里只需要两条统计直觉，不需要假设检验那一整套语言。

第一条：全对时能得出的结论比你以为的弱得多。一个常用的粗略口径是， n 次抽查一次错误都没出现，错误率的上界大约是 3/n。抽 20 条全对， 上界约 15%，一份 100 条的材料里可能还藏着十几条错；抽 5 条全对， 上界约 60%，等于什么都没证明。所以「我抽查了几条都没问题」这句话， 在样本很小的时候几乎不携带信息。想把上界压下来只有一个办法：多抽几条。

第二条：抽到一条错时，结论反而强得多。抽 20 条发现 1 条错， 错误密度大约是二十分之一，套到没查的 80 条上，预计还有 4 条错， 而且你不知道它们在哪一句。这就是「抽到一条错就该退回整份」的算术依据： 你要么把剩下 80 条全部查一遍，要么承认这份材料的每一句话都已失去默认可信度。 把抽到的那一条改掉然后继续用，是三种选择里最差的一种—— 材料看起来干净了，剩余风险一点没少，还多了一层「已经查过」的心理背书。

几个常见误用

让模型自己检查一遍就算核验。 自查能揪出内部矛盾——前后数字对不上、单位不一致——因为判断依据全在文本内部。 但编造的事实不具备内部矛盾，它本来就是按上下文推出来的。 核验的本质是引入外部信息，让同一个模型重读同一段文本，没有任何新信息进来。

把「查不到」当成「不重要」。 核不到出处的内容不是可以将就着用的内容，而是必须删掉或明确标注未核实的内容。 留着它并保持原有的表述强度，等于你替一句来源不明的话做了背书。

用扫描结果代替核验清单。 本页的扫描只是正则匹配，它不理解语义，会漏也会多标。 它的唯一用途是把「这份材料要查的东西多不多」变成一个数字，好让抽检计算有个输入。 真正决定查什么的是上面那五档分类，不是扫描出来的那几行。

核验完就丢掉过程。 半年后回头看一份材料，你需要知道的不是「当时结论是什么」， 而是「当时查了哪些、没查哪些、依据的是哪一版资料」。 没有这段记录，已核验和未核验的部分会混在一起，整份材料的可信度重新归零。

边界与本工具的假设

本工具不判断内容真假，也没有能力判断——它不联网、不调用任何 AI 接口， 提供的只是分类规则与抽样算术。抽检部分假设错误在材料里大致均匀分布， 而真实情况往往是聚集的：同一段、同一类数据可能一起出错。 聚集意味着等距抽样有可能整段漏过，所以「某段抽到错就把该段升级为全查」这条规则不能省。 清单里「回到哪里核」写的是资料类型而不是具体网址， 因为各市场、各年份的披露入口不同，写死一个地址早晚过期，反而误导人。

风险提示：核验通过只说明抽查范围内未发现错误，不代表材料整体无误，更不代表其结论成立。 任何数据请以公司公告、定期报告与监管机构公布的原文为准。 本工具仅为测算演示与流程留痕之用，不判断任何标的，不发出买卖信号， 不构成投资建议，也不承诺任何收益。