来源冲突：让AI呈现分歧的具体原因
来源发生冲突时，应让 AI 呈现分歧在哪些维度，而不是综合成一个顺滑答案。日期、主体、定义和修订不同，都可能造成数值不同；真正矛盾则应保留，直到证据解决。
NIST AI 风险管理框架提供管理 AI 风险的一般思路。下面的冲突矩阵是研究编辑方法，不是 NIST 规定的投资流程，也不证明某模型能可靠解决分歧。
建立冲突矩阵
给每个来源编号并保留原始说法，记录主体、指标定义、期间、发布日期、版本和证据类型。发行方声明、监管记录、计算结果和评论应分开，不能让 AI 转述抹掉直接观察与解释的差异。
然后写最小争议命题。“表现有分歧”过于宽泛；“一个来源是集团季度收入，另一个是分部全年收入”则是可以核查的范围差异。争议越具体，下一步越容易确定。
| 冲突维度 | 诊断问题 |
|---|---|
| 身份 | 是否同一主体、证券或合约？ |
| 时间 | 观察期间与信息截止一致吗？ |
| 定义 | 指标和纳入类别一致吗？ |
| 版本 | 是否更正或重述？ |
| 证据类型 | 事实、管理层主张还是推断？ |
| 残余 | 对齐之后还剩什么矛盾？ |
无法解释的格子继续待核，空白比无法追溯的虚构调节更有用。
假设案例：一百与九十六
假设虚构发行方早期公告收入一百，稍后正式文件对看似相同期间报告九十六。AI 可能平均成九十八，或不解释就选择最新值，二者都没有解决分歧。
应检查后文是否重述前值、改变合并范围或采用不同指标。若明确更正，就保留早期历史说法，并把九十六标为相应范围的修正值。找不到关系时，保留两个观察和未解释差异。
第三来源如果只是转载早期一百，就不是第二次独立测量。记录依赖关系，不按两票对一票选答案。数字和主体均为假设，用于说明来源数量与独立证据数量不同。
按具体问题赋予权重
原始资料适合确认组织披露什么、规则如何规定，却不自动解决全部因果问题。发行方可以是申报数字的权威来源，同时其原因解释仍可能受到其他研究质疑。先写问题，再判断证据权重。
可以让 AI 提出候选解释，但每项标为假设，并配一个检查。例如疑似单位不同，就回查表头；疑似修订，就寻找更正说明。候选清单只有转成能区分答案的工作，才真正有价值。
不能因为某个解释方便完成备忘录，就选它。应回到原文件验证。资料不可访问时如实说明，不凭另一模型的自信摘要声称已经调节完成。
决定备忘录能说什么
对齐后将结果分为定义差异已解决、确认修订、真实矛盾未解或证据不足。最终措辞反映状态。影响重要判断的矛盾尚未解决时，可以暂停那项结论，同时继续处理其他有依据部分。
常见错误包括平均不兼容值、只看新旧不读范围、把转载当独立观察，以及把不确定性改写成共识。证据本身仍然冲突时，本方法不适合输出唯一确定数值；它交付的是可以检查的分歧说明和下一步。
还应在交付记录中保留争议关闭条件：取得哪份文件、确认哪项定义，才允许更新结论。这样后续出现新资料时，研究者可以按同一规则处理，而不是再次依照直觉挑选来源。
常见问题
最新来源总应该替代旧资料吗？
不一定。先确认同一问题以及是否明确修订，涉及历史已知信息时还要保留旧记录。
冲突一直无法解决怎么办？
呈现各方说法、范围和重要未知，缩窄或暂停依赖无依据胜者的结论。