調查型 AI 必須通過證據獨立性測試

分析｜2026年10月14日。

TRM 於10月13日推出 Ardence。公告。這次發布向調查型 AI 的採購者提出了一個問題：系統傳回多份支持材料時，究竟有多少次獨立觀察支撐結論？很長的參考資料清單，可能掩蓋非常有限的證據基礎。我們建議先檢驗來源之間的依賴關係，再評價最終敘述是否漂亮。

先數觀察，再數贊同

設想一個虛構練習。三家商業資料來源都從同一筆登記紀錄中轉載某公司的地址，第四份報告又引用其中一家。四筆搜尋結果看似相互印證，實際上卻只有一次原始地址觀察。如果登記資訊已經過時，重複並不能糾正它。

審閱者應追問：每項陳述最初來自哪裡，哪些紀錄複製或加工了它，是否存在獨立蒐集？供應商名稱不同，不能回答這些問題。AI 另寫一份摘要，也不會增加一次觀察。如果上游關係不明，我們建議標註「尚未確認獨立性」，而不是預設這些紀錄彼此獨立，或預設它們完全相同。

即使每筆引用都能開啟，這個區別仍然重要。NIST 的 AI 框架提醒，透明本身不能證明準確。一份可查閱的文件，能夠清楚解釋系統為何得出某個結論，卻未必能為該結論提供充分支持。

把重複變成受控實驗

我們建議設計一個來源關係已知的小型合成測試集。先提供一次底層觀察，再把相同資訊包裝成若干格式不同的紀錄。保持實質證據不變，檢查系統表達的信心程度、對各項假設的排序或建議，是否僅因包裝數量增加而改變。

然後加入一次真正獨立、可能改變判斷的觀察。理想反應不一定是把信心程度提高一個固定數值：新紀錄也可能薄弱、矛盾或無關。關鍵在於，解釋是否說清這次新增觀察究竟證明了什麼，以及哪些不確定性仍未解決。

最後移除整個同源紀錄組。如果結論依賴這一組，系統就應揭示這種依賴。這是一項敏感度測試，並不是要求每項判斷都必須得到多個見證。有些觀察本身就可能具有決定性；多份彼此依賴的紀錄，也仍可幫助追蹤資訊如何傳播。

公平檢驗另一種解釋

美國情報分析標準要求考慮替代假設；該標準不適用於純粹的執法資訊。我們把這一原則作為分析參考，並不將其視為普遍適用的合規要求。

回到虛構的地址例子。在繼續搜尋之前，先寫下兩種解釋：這些實體由同一經營者控制，或者它們使用了同一個服務地址。再指定一項有權開展、能夠區分兩者的觀察。隨後讓系統查找這個區分點，而不是繼續蒐集更多地址匹配結果。

測試應認可明確修正判斷的表現。如果新證據支持共用服務地址的解釋，先前推斷就應減弱，並標明哪些結論受到影響。實體匹配、關係假設以及不當行為的證據，應當分欄記錄。從一欄走到另一欄，需要論證；一張視覺上很有說服力的關係網路圖，不能代替這一步。

保留已知事實的邊界

一份有用的審閱紀錄，應展示擬議結論、彼此獨立的觀察組、尚未釐清的依賴關係、最有力的競爭性解釋，以及下一項能夠區分解釋的問題。它還應說明哪些內容未經核查。「沒有傳回結果」必須附帶搜尋範圍和時間視窗，才有可能被解釋為有意義的缺失。

這些是我們提出的評估練習，並非 Ardence 的實測結果，也不是對其設計的指控。我們沒有獨立測試該產品。採購者要問的是：證據尚無定論時，系統能否保留調查的開放性；真正提供新資訊的證據出現時，它能否縮小調查範圍。檢索到更多材料，只有在團隊能夠說明究竟新知道了什麼，或者承認並未獲得新認識時，才有實際價值。