本章进度 19 / 19
100%
正文已完成
L076交付一份经得起追问的事实核验报告
整合主张分类、风险、原始来源、交叉验证和未知边界，形成最终证据包。
项目课把本章方法合到一个真实任务中，需要留下过程与结果，才能判断是否真正会用。
建议先完成本章主要练习；不会的部分可以按先修链接回补，不做硬性锁课。
- 按项目说明准备真实材料
- 保留输入、过程、结果与核验记录
本章项目要求核验一个真实且有决策价值的问题。报告需要清楚说明哪些已确认，哪些只得到部分支持，哪些仍未知，并为每条结论给出对应来源。
能完成一份关键结论逐条可回源、冲突与限制不被隐藏的核验报告。
核心概念
先把关键判断说清楚
结论强度服从证据
证据只支持特定样本，就不能写成普遍规律；冲突未解就不能给单一数字。
方法透明
记录搜索范围、截止时间、来源选择和未能访问的材料。
建议与事实分层
最终行动建议可以存在，但要标明依赖哪些事实和不确定性。
案例拆解
核验一项 AI 工具效率宣传
宣传称“平均节省 50% 时间”，团队考虑采购。
- 01
追到原始案例，发现样本为 12 名熟练用户、单一任务。
- 02
内部 20 次对照中中位节省 22%，质量无明显下降。
- 03
报告不判宣传真假，而说明两种方法差异并建议小范围试点。
案例结果
采购建议建立在限定证据上，没有把单一宣传数字当普遍效果。
提交前练习
现在轮到你
选择一个真实问题，完成事实核验报告。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
问题=是否启动工具试点；主张表逐条引用官方案例和内部测试；方法写样本与限制；结论=特定任务有22%中位节省，其他场景未知，建议两周受控试点。
评分标准
- 关键主张逐条可回源
- 冲突与方法限制可见
- 建议没有超出证据
本课收口 · 学习证据
留下完整学习证据
读完内容、完成练习、通过理解检查并留下 12 字以上总结，才记为已验证。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23
- Evals↗official-docs · 核对日期 2026-08-23