知识增量Knowledge Deltav0.1无限进步

证据锚定

Grounding
学到 会用 就够:能亲手用起来
你可能会说

“AI 的答案很像常识总结,我希望每一项判断都能回到指定材料;什么叫回答有依据,怎样区分依据和推断?”

证据锚定让回答与可指定、可检查的外部资料或环境事实相联系,限制凭空发挥;它强调主张有何依据,不代表资料本身必然正确。

先知道信息检索
也叫Grounded generation、依据锚定
2

使用 AI

科研里的例子

回答“某文是否检验机制”时,给出机制回归所在页及作者表述;没有相关检验就写未报告,不根据理论段自行补出结果。

锚定可以来自检索片段、数据库记录、文件页码或工具观察。关键是将主张与对应证据连接,并说明资料不足时如何处理。RAG 是实现途径之一,但取回材料并不自动使所有生成句子都有依据。对研究工作,要分开原文报告的事实、模型作出的解释和研究者需要另行验证的推断,尤其注意样本范围、时间和统计口径的改变。

+

在你的学科里,直接拿去用

从给定文献读取问题与证据
请只依据下面的文献材料回答。
材料:[粘贴原文或附文件;若只有摘要请注明]
我想弄清:[问题]
请列出作者要解释的现象、主要概念、数据与研究单位、研究设计、主要发现及作者写明的局限。区分作者原话、你的释义与尚无法判断的地方。每项给页码或可定位段落,保留关键术语的中文与英文。若没有全文,不把摘要之外的细节补出来。最后提出3个我可以回原文亲自检查的问题。
方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG02
3

判断

亲手检查一次

选出回答中的实质主张,逐条寻找支持片段,确认方向和范围没有改变;缺证据的句子要标为推断或撤回。

它做不到的

有锚定不等于有因果识别,也不等于全库覆盖;如果给定材料本来有错,模型忠实复述仍会产生事实问题。

Δ

增量,由你来写

读完这张,你的理解变了什么?

留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。

源

来源

卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。