要用 AI 比較衝突來源，先把爭議收窄成一項可檢驗的主張。建立主張／來源矩陣，記錄每個來源的日期、範圍、方法、直接證據、詮釋、局限及其與主張的關係。用 AI 整理和質疑矩陣，再打開原始來源，由你自己作最終判斷。

這樣做是因為生成式 AI 可能產生自信卻錯誤或自相矛盾的內容。NIST 指出這種虛構風險，並強調人工監督和有記錄的風險管理。［1］ OpenAI 亦建議用戶核實重要資訊，並在風險高時尋求專業覆核。［2］ AI 能幫你揭示分歧，但不應悄悄選出勝方。

關鍵要點

一次只比較一項原子主張。

區分所報告的事實、詮釋、意見和預測。

為每個來源記錄日期、人口、地域、定義和方法。

引述真正支持或反駁主張的原文。

保留未解決的矛盾，不強行製造共識。

保存人能看懂的決策日誌，並設重查觸發條件。

基本的答案審核，可先看事實核查 AI 回答。本文集中處理較難的情況：看似可信的來源互相矛盾。

步驟 1：定義真正衝突的主張

兩個來源可能看似矛盾，實際回答的是不同問題。收集更多連結之前，把有爭議的句子改寫成一項原子主張，寫明主體、指標、比較、地點、人口和時段。

「遙距工作提高生產力」太籠統。可檢驗的版本可以是：「在指定機構的全職客服人員中，遙距工作政策實施後六個月內，每個排班小時平均解決的個案數目高於之前六個月。」這句話的設計仍可能有缺陷，但界線清晰可見。

不同主張分列記錄。如果一句話說某政策降低成本、提高留任率並提升滿意度，它至少包含三項主張。一個來源可能支持成本部分，卻對因果或滿意度毫無證據。

亦要記下依賴這項主張的決定，以免有趣卻改變不了結果的枝節爭論耗盡研究預算。

步驟 2：綜合前先收集原始來源

由最接近的原始材料入手：研究、數據集、法例、政策、標準、申報文件、官方技術文件或當事方的直接聲明。用二手報道尋找背景和批評，但重要主張要追溯到源頭。

每個來源保存：

標題、發布者或擁有者、相關作者和 URL；
發布日期和更新日期；
來源類型，以及屬原始還是衍生來源；
所用的確切頁面、章節、表格或段落；
人口、地域、產品和時段；
定義、量度方法和對照組；
已披露的局限、利益衝突或欠缺資料。

不要只憑標題或摘錄請 AI「比較這幾篇文章」。提供獲准使用的來源文字或結構化筆記，並把來源中引述的指示標為資料，而非命令。如需安全的收集流程，請看安全使用 AI 研究。

步驟 3：建立主張/來源矩陣

每個「來源—主張」關係佔一列。精簡的矩陣可包括：

欄位	記錄內容	作用
原子主張	一項可被支持或否定的陳述	避免捆綁結論
來源	固定的標題、擁有者、URL 和存取日期	保留出處
證據	確切段落、表格或數值	讓覆核人檢查支持程度
日期與範圍	時間、人口、地域、產品	揭示界線錯配
方法	樣本、定義、量度、對照	解釋結果為何不同
關係	支持、反駁、限定或無關	讓比較保持清晰
詮釋	作者或分析者的推論	分開證據與推理
未決問題	欠缺的細節或下一步核實	保留不確定性

矩陣不是投票。三篇重複同一份報告的衍生文章，不會因為佔了三列就壓倒一個現行原始來源。幾項內容依賴同一數據集、新聞稿或訪談時，加上「來源譜系」備註。

分開事實、詮釋、意見與預測

請 AI 為每項陳述加標籤，但標籤要自行核實：

所報告的事實： 來源陳述的可觀察事件、量度值或規則；
詮釋： 來源對證據含義或成因的解釋；
意見或偏好： 單靠證據無法裁定的價值判斷；
預測： 基於假設對未來結果的陳述；
指示： 關於某人應怎樣做的建議。

這樣一分，許多矛盾便消失。兩個來源可能報告同一數字，卻對其重要性看法不一；或一個來源描述相關性，另一篇標題卻用了因果字眼。證據和連接證據與主張的推論都要保留。

不要讓 AI 把「未有報告」改成「沒有」，把「未偵測到統計上的效應」改成「證明沒有效應」，或把「可能」改成「將會」。這些措辭改動會製造虛假矛盾和虛假確定。

步驟 4：比較日期、範圍和定義

為時間和範圍設獨立欄位。較舊的來源可能方法嚴謹，卻已被政策改變取代；較新的來源可能反映的是短暫事件。一個來源涵蓋全球用戶，另一個可能只涵蓋一個國家或機構。

定義同樣重要。「活躍用戶」「事故」「就業」「準確度」「成本」都可能有不同的操作含義。請 AI 製作定義差異表，收錄各來源的原文措辭。找不到某個定義時，標為欠缺，不要推斷。

Google 表示，Gemini 可能顯示與回答某些部分相關的來源和內容，但並非每個回答都附連結。［3］用這些連結找出值得查核的材料，再逐頁打開，對照確切主張，不要把介面本身當作證據。

比較方法與證據質素

方法差異往往能解釋結果矛盾。記錄樣本、選取過程、量度工具、對照組、欠缺數據的處理、分析期間，以及相關時的資助來源或已申報利益。

可以問：

人口是否可比？
是否一個來源量度替代指標，另一個直接量度結果？
樣本是否大到足以支持所聲稱的範圍？
有否排除重要群體？
比較屬觀察性還是有對照？
結果是經調整、自我報告、模擬得出，還是經獨立重複驗證？
結論有否超出方法所能確立的範圍？

不要向 AI 索取沒有解釋的質素分數，要求它提出與可見方法細節掛鈎的理由。你欠缺判斷某方法的專業能力時，記下這項局限，並把來源交給合資格的覆核人。

步驟 5：用 AI 比較衝突來源時只給有邊界的任務

提供已批准的主張、來源筆記和輸出結構。一個有用的提示詞是：

只把所提供的來源與這項原子主張比較。就每個來源引述所提供的證據，記錄日期、範圍、定義、方法和局限，並把關係分類為支持、反駁、限定、無關或不明。把所報告的事實與詮釋分開。不要選出勝方。列出欠缺的資料，以及需要由人解決的問題。

然後要求一輪對抗性檢查：

指出矩陣中哪些地方誇大了支持程度、把互相依賴的來源當作獨立來源、混用了日期或人口、改變了情態措辭，或推斷了欠缺的方法細節。提出修正，但不要加入新事實。

輸出應便於與你的輸入對照。拒絕任何虛構的引語、頁碼、作者、日期或方法。如果模型加入了新來源，先把它放進候選清單，直至有人打開並記錄。

步驟 6：回讀每個決定性來源

打開原始資料，找出被引述的證據。檢查上下文、定義、註腳、表格、更正和局限。一句話即使準確，脫離限定它的人口或條件後也可能誤導。

Perplexity 的說明指出，來源標籤提供背景，但不代表認可文章或主張的準確性。［4］這個原則適用於任何把來源標為官方、學術或其他值得注意類別的介面。標籤有助初步篩選，不能取代閱讀。

生成的引用看似貼近主張、支持程度卻不清楚時，使用來源引用核驗流程。

步驟 7：只在證據容許範圍內裁決

覆核之後，給出一個決定狀態：

接納： 有足夠證據支持這項有界的主張；
否定： 有足夠證據反駁它，或該主張曲解了來源；
有條件： 只在指定範圍、假設或定義下成立；
未解決： 證據不足、無法取得或確實互相矛盾。

寫下理由，而不只是狀態。註明決定性證據、覆核人、日期，以及甚麼新資料會改變決定。未解決的主張，要決定是繼續找證據、收窄措辭、從交付成果刪除，還是轉交專家。

高風險決定需要合資格的獨立覆核。AI 可以整理材料，但無法承擔專業責任，也不可能知道所有欠缺的背景。

保留可重現的決策日誌

保存原子主張、來源矩陣、來源原文、提示詞、AI 輸出、覆核人的更正、最終狀態和重查觸發條件。使用機構批准的系統和保留規則，敏感材料不要放進未獲批准的帳戶。

重查觸發條件比隨意的提示更好。例如：標準推出新版、承諾公開的數據集發布、政策生效日期到來、某項研究被更正，或該主張被用於另一個人口。

如果爭議源於比較研究助理，返回 ChatGPT 與 Perplexity 研究比較，把矛盾處理結果加入該流程的評估。

知道何時停止

當決策負責人已有足夠的已核實證據支持這個有界用途、餘下不確定性已記錄，而繼續搜尋也不大可能改變行動時，就停止。如果所需的原始材料無法取得，而主張又無法安全收窄，應立即停止。

不要只因 AI 還能產生更多查詢就繼續。更多來源可能只增加雜訊、重複同一證據譜系，或製造確定的錯覺。目標是可審計的決定，而非無窮無盡的參考書目。

常見問題

來源衝突說明其中一個是假的嗎？

不一定。它們可能涉及不同的日期、人口、定義、方法或問題。判斷底層主張之前，先比較這些欄位。

AI 能決定哪個來源正確嗎？

AI 可以整理證據、顯示差異，但必須由人閱讀決定性來源並為結論負責。有些矛盾需要專業知識，或始終無法解決。

如何處理不同日期的來源？

分別記錄發布日期和涵蓋期間。判斷情況、政策、方法或定義有否改變，並把主張收窄到證據支持的時期。

可以在矩陣中使用二手來源嗎？

可以，用於背景、批評或發掘線索。盡可能把重要主張追溯到原始證據，並標出同源的衍生來源。

來源沒有說明方法怎麼辦？

把方法標為欠缺，不要讓 AI 推斷。收窄該主張的可用範圍，尋找其他來源、聯絡擁有者，或讓決定保持未解決。

何時停止核驗？

當這個有界的決定已有足夠的已核實證據、不確定性清晰可見，而繼續搜尋也不大可能改變它時停止。在搜尋擴大前就訂好停止規則。

如何記錄無法解決的衝突？

使用「未解決」狀態，說明確切的分歧和欠缺的證據，寫明這項主張不能支持甚麼，並加入具體的重查觸發條件。

高風險決策如何處理？

使用權威的原始來源和獨立、合資格的覆核人。醫療、法律、財務、安全或同樣有後果的決定，不要依賴 AI 生成的比較。

如何用 AI 比較衝突來源：以主張來源矩陣整理分歧，再由人覆核原文