AI新闻研究：多重答案仍需来源验证

BBC 和 EBU 实际测量的内容

BBC–EBU 在 2025 年五月 24 日至六月 10 日期间收集了四个面向消费者的助手的回答。在 2,709 个核心问题回答中，45% 至少存在一项重大问题，31% 存在重大来源问题，20% 存在重大准确性问题。研究涵盖 22 家媒体机构、18 个国家和 14 种语言。各类别存在重叠；这些数字不是所有 AI 当前的错误率。 BBC–EBU, News Integrity in AI Assistants, 2025

Tow Center 于 2025 年三月 6 日在 CJR 发布的报告，用 1,600 次新闻摘录识别请求测试了八种 AI 搜索工具。超过 60% 的答案错误。核查对象是文章、出版方和 URL：这是一项特定的来源归属任务，不是对所有新闻摘要的评估。 Tow Center, Columbia Journalism Review, 2025

不要将这些百分比相加或将其转变为通用排名。我们的编辑建议是分别检查回复及其引用。对事件的合理描述仍然需要其特定数字、引文或因果解释的证据。段落旁边的受人尊敬的出版物的名称是检查文章的原因，而不是替代这样做。

检查每个声明背后的链

从您打算发布的说法开始。打开链接，找到来源中真正支持它的段落，再确认记者是在报道直接观察、引用文件，还是转述其他媒体。如果多个链接最终都指向同一篇新闻稿，请记录这个共同来源。不同域名并不自动代表独立观察。

分别记录活动日期、发布日期和页面更新日期。今天更新的页面可能仍包含上一季度的数据。摘要应保留该图的原始时期。评估性陈述也需要发言人：谁认为结果是成功的，什么证据支持该评估？

工作示例：30% 增加会改变含义

假设一家虚构公司宣布注册量环比增长 30%。一篇摘要将其写成付费客户增加，另一家媒体转述该摘要，三个 AI 答案又重复这一说法。这条传播链看似可信，但指标含义已经改变。这个教学示例中的所有数字和参与方均为假设。

验证必须恢复测量的内容、周期和比较基准。如果注册量从 1,000 增加到 1,300，则增幅确实为 30%。这些数值并不能确定有多少人付费。最终简报可以报告注册情况，同时将付费转化标记为未知。无需用合理的发明转化率来填补这一空白。

有价值的第二视角会检查指标的定义在整条传播链中是否一致。找到另一篇类似文章并不足够。第三轮可以核验算术，但算术正确无法修复概念被替换的问题。要求统一叙述之前，应分别安排来源、含义和计算核查。

具体的Consensus需求说明

向Colay Consensus提供您可以访问的原始材料以及要检查的声明列表。要求参与者比较定义、年代顺序和引文保真度。请求协调智能体的表格，将每个主张与其来源和限制联系起来，并单独列出缺乏依据的主张。不要假设该模式打开了链接或验证了新鲜度；确定实际可用的材料。

人们应该在发布之前打开每个相关链接。如果全文不可用，不要要求模型根据标题重建它。找到一个易于理解的一手文件，将陈述范围缩小到可以成立的内容或省略它。 Consensus可以组织比较，而证据则决定哪些措辞是合理的。

直接引语需要逐字核对

对于直接引用，请保存原始段落并标明发言者。检查移除周围条件是否会改变其含义。将翻译标记为翻译并保留原始措辞。当您只需要实质内容时，简短的归因释义比将模型的精美重建呈现为某人的确切话语更好。

不要将一个经过验证的段落的可信度扩展到整个简报。一条简短的新闻可以结合既定事实、相关方的主张和预测。这些类别在压缩后应该保持不同。要求审稿人寻找转变，例如预测变为事实、注册变为购买或一位作者的判断变为组织的立场。

实用的发表门槛

当读者可以将重要结论追溯到特定的来源段落并了解其余的限制时，简报就准备好了。团队可以保留一个简单的验证记录，其中包含措辞、URL、访问日期、审阅者和状态。这是一项建议的编辑实践，可以手动维护，而不是关于单独的 Colay 功能的声明。

获取当前草案并检查其五项最重要的主张。使用Consensus来查找所提供文档之间的差异，然后自己确认这些差异。如果没有发现问题，保留实际检查的记录。安静的讨论并不能证明文档中的每个陈述都是正确的。