第 14 章　让 AI 帮忙找路，让证据决定结论

先把一句结论拆成能够审查的断言

“AI提高学习效果”过于宽泛。AI指什么工具、怎样使用？学习效果指成绩、理解、速度还是长期保持？对象是哪些学生？比较对象是什么？时间多长？

断言越大，所需证据越强。把它缩小以后，才可能核验。例如：

在某大学一门课程的八周实验中，按指定方式使用生成式AI反馈的学生，在研究者设计的某项测验上，平均得分高于对照组。

这句话仍未必真实，却至少暴露了对象、时间、干预方式、比较和指标。核验者知道要去来源中找什么。

一条可审查的证据链包含四个位置：

断言：希望读者接受的具体说法
  ↓
来源：论文、标准、官方文件、技术文档或记录
  ↓
证据位置：真正支持、限制或反驳断言的段落、表格、数据或方法
  ↓
适用边界：对象、时间、条件、版本、方法和不确定性

来源存在，只解决了第二个位置。很多看似严谨的错误，正是从“论文真实”直接跳到了“结论成立”。

来源是否可靠，要看它适合回答什么问题

来源没有一个脱离任务的永久总分。原始论文适合证明研究者做了什么、报告了什么；它不自动代表学界共识。官方产品文档适合说明指定版本如何配置或使用；它不能独立证明产品优于所有替代方案。企业白皮书可以证明企业怎样描述自己的产品；若用来证明广泛效果，还需要独立证据。

核验标准定义，优先找正式标准或权威教材。核验技术首次公开记录，优先找原始论文、会议记录或官方档案。核验软件当前行为，要查看对应版本的官方文档。核验某项方法是否有效，则要关注研究对象、比较方式、样本、指标、时间和因果强度。

同一来源对不同问题的适配程度不同。某模型厂商的文档可以说明它提供多长上下文窗口，却不能单独证明模型在真实学习中一定更有效。来源等级重要，来源与断言是否匹配更重要。

找到原文以后，要看结论是怎样得到的

研究摘要往往给出最浓缩的结果，无法替代方法和限制。面对“提高30%”这样的效果断言，至少要检查：

研究如何选择参与者，是否存在可比的对照；“使用AI”具体做了什么；“成绩”如何测量；差异是绝对分数、相对比例还是某个子指标；研究持续多久；是否报告不确定性；作者是否说明不能推广到其他课程或人群。

还要区分相关与因果。如果研究只是观察“经常使用AI的学生成绩更高”，可能存在自我选择、先前能力、课程投入等共同因素。把观察相关改写为“AI导致成绩提高”，证据强度已经被扩大。

即使是随机对照实验，也只能支持其设计覆盖的范围。一个课程、一个学期、一种工具和一种任务下的结果，不足以推出“所有大学生使用AI都会受益”。可靠表达常常需要把主语、条件和结论力度缩回证据实际覆盖的位置。

多个网页不一定是多份证据

搜索结果中十篇文章说法相同，可能都转述同一份报告。证据数量不能按网页数量计算，要追踪它们是否拥有独立数据或独立分析。

判断独立性时，可以问：这些文章是否引用同一篇论文？是否使用同一数据集？是否来自同一机构的重复发布？所谓“多项研究”是否只是新闻、博客和厂商材料之间的相互转述？

独立来源并不要求彼此毫无关系，而是不能把同一个证据经过多次复制后，当成多次验证。若两项研究使用不同对象、不同团队和不同方法，却得到相近结果，支持力度才可能增加；若结果冲突，也应保留冲突，而不是让AI按多数表述自动裁决。

AI可以缩短搜索路径，不能替你完成证据裁决

AI适合把一段话拆成待核验断言，生成检索词，识别可能的作者、标准号和DOI，比较两篇材料的研究对象，也可以提醒结论中出现了“所有”“一定”“显著提升”等需要警惕的强词。

它不应成为唯一核验者。模型可能编造题名，错误概括摘要，忽略否定词，也可能把同一来源的多次转述当成相互独立。要求AI“给出引用”只是在生成环节增加格式要求，不表示引用已经被打开和核对。

较可靠的顺序是：先让AI帮助定位候选，再由人或专业检索工具独立找到来源；打开原文，记录精确位置；比较断言与证据范围；据此作出处理决定。关键断言至少应由一个真正接触原始来源的人承担判断。

核验的结果不是“真／假”两个按钮

一条断言核验后，可以有五种处理：

• 保留：来源与证据足以支持当前表述；
• 缩小：只在特定对象、时间或条件下成立；
• 改写：来源支持的是相关、可能性或机构观点，原句写得过强；
• 删除：没有找到足够依据，或来源与断言不匹配；
• 待核验：目前无法取得关键材料，暂不作为确定结论使用。

这五种处理比给整篇回答打一个“可信度分数”更有用，因为它们直接改变后续写作和决策。

一张最小证据记录可以写成：原断言、来源标识、精确位置、支持关系、适用边界、处理决定和核验日期。软件版本、政策和行业状态还应设置复查触发条件。这样，当来源更新或读者提出纠错时，不必重新猜测当初为什么写下这句话。

一张已经完成的证据卡

下面继续使用C13的构造练习。所有编号、人数和结果均为本书虚构，只演示核验过程，不能被引用为真实研究结论。

这张卡没有给原句补上更多引用，而是改变了句子本身。数字“7分”仍可出现在对构造样本的准确描述中，却不能继续承担“导致提高”的因果结论。若方法部分连分组和测量都说不清，处理还应进一步降为待核验或删除。

查到资料还涉及上传边界。个人信息、未公开研究、成绩、商业秘密和他人作品，不应为了让AI总结而默认交给外部服务。可以只提供必要片段，改用公开或自造材料，或者在获批准的环境中处理。证据核验不能以失去数据控制为代价。

证据卡填完以后，原来最醒目的那句“提高7分”失去了主角位置。真正决定表述的是研究怎样做、数字怎样来、哪些解释尚未排除。卡片留下了一条缩小后的句子，也留下了几项仍待回答的问题；它没有给整项结论盖一枚“可信”印章。