复核一遍不算核验:AI 结果的四道关

匿名 · 电力电子方向在读博士 · IEEE 期刊审稿人

我最后沉淀下来的判断只有一句：能不能核验，取决于手里有没有第二个独立来源。 这篇把实际在用的四道关写出来，每一道都给出可以照做的动作。

把同一份材料再看一遍，是复核。把同一个问题再问一遍同一个模型，也是复核。这两种动作的通过率很高，但信息量为零，因为它和原来的判断来自同一个来源。

• 同源复核的「通过」是虚的。
   一份材料不会指认自己哪里错。
• 证据要正交。
   三个检查如果都出自同一次生成，那只是一条证据重复了三遍。
• 能核验的前提是有产物。
   看不到产出物的环节，「检查」无从下手，也就不该外包出去。

让 AI 写数值实现时，最不可靠的证据恰恰是最常被当证据的两样：跑得通，和曲线看着对。

前面写过一类很典型的失败：一段解析推导落地成代码，公式原样搬进去，结构无可挑剔，跑起来也不报错，只是其中一个输出量偏了 27.8%，另一个完全正确，而人最先核验的正好是后者。还有一类是校验点全部落在分支之外，某条特殊分支一次都没跑到，里面的系数被写错了也没人发现。

这两次的共同点是：问题不是靠「再看一遍代码」发现的。 它要么靠解析极限对不上，要么靠第二条独立实现走不到同一个值，才暴露出来。所以这道关的动作只有两条：动手前先写下至少一个可解析验证的极限当守门人；参数区间与分支的覆盖范围由人来划，并且覆盖点必须落在你真正使用的那一段里。

AI 生成的关系型事实，也就是谁写的、发表在哪个卷、哪一年、作者顺序，有一个很稳定的特征：主标题几乎总是对的，卷年、页码、作者顺序经常错。 标题对上了会让人整体放松，剩下几项就不再看了。

核验的做法是分层取证：先查注册机构的元数据，再找一个独立的数据源，最后回出版方原文。三层里只要有一层对不上，就把两个值都记下来，不要静默挑一个。这一点在写综述和核引用时尤其重要，因为错的那一项通常不影响读者读懂，所以也没人会去纠正它。

这一道关最容易被跳过，因为它看起来最不需要技术含量。但我真实踩到的坑，几乎都集中在这里。

这三条指向同一个动作：凡是会生成实物的环节，抽检实物本身。 图片扫文字，表格扫数字，文档扫署名与单位。

顺带一条经验：同类文件做一致性检查时，哈希比对比「看起来一样」快得多，也硬得多。镜像、副本、导出件这种成套存在的东西，值得全部过一遍哈希。

• 改动不一定全部生效。
   在同一个文件里连续改多处时，我遇到过只有一部分改动落盘、而操作返回成功的情况。之后的动作变成：每处改完立刻回读那一处，不攒到最后一次性检查。
• 长文档有自己的体积上限。
   一份工作笔记写到某个体积之后被上游截断，前半段还在，后半段安静地消失了。所以笔记要量体积，细节下沉到独立文件，主文件只留那份「必须懂的最小集」。

还有两条边界要说清楚。

第一，当核验成本高于收益时，正确的动作是缩小使用范围，而不是加更多检查。 一个环节如果每次都要花两小时才能核完，它就不适合进日常流程。把它限定在「只做草稿、不进定稿」的位置上，比加三层检查更划算。

第二，拿不到产物、或者内容本身不能外传的环节，不要外包。 没有产物就没有核验入口，这时候「先交给 AI 试试」只是把不确定性往后推了一步。

1. 每个 AI 产物先问一句：我用什么独立来源能推翻它。
    答不上来就别直接采信，先缩小它的用途。
2. 可解析的极限先定下来，再让 AI 写代码。
    它是每次改动之后第一个要看的守门人。
3. 校验点的覆盖范围由人划
   ，且必须覆盖你真正使用的那段参数与每一条特殊分支。
4. 生成的实物一律肉眼抽检
   （文字、数字、署名、单位），不要只看日志和返回值。参数与产物一起留档。
5. 改文件后立刻回读，长文档量体积。
    返回成功不等于生效，写得长不等于都在。

四道关加起来其实只回答一个问题：这个结论，除了 AI 自己，还有谁能替我复算一遍。 有，就可以放心用；没有，就只做到「草稿」为止。

你手里最管用的一条核验动作是什么，欢迎说说。