一家垂直行业的专业媒体机构, 编辑部规模不大, 但需要对所报道的事实负责——其读者是行业从业者, 报错会被立刻发现。

过去两年他们遇到的变化很具体: 需要核实的稿源数量大幅增加, 而其中相当比例是拼接与转述, 有些明显是生成的。传统的核实方法——看有几家在报——失效了。

一、循环印证。 一条消息在多个渠道出现, 追下去全部转引同一个源头, 有时那个源头本身也追不到。

二、时间压力与核实成本的冲突。 认真追溯一条消息的原始来源需要时间, 而竞争压力要求快。此前的妥协是"看起来可信就发", 而这个标准正在失效。

三、错误没有留下改进。 发生过的误报事后被更正, 但下一次相似的消息到来时, 编辑没有可参考的记录。

第一步: 把"多家在报"从证据里剔除。 采用资讯认知框架的独立信源计数: 转引同一源头的多个渠道计为一个。这一条改动最小, 冲击最大——很多此前认为"证据充分"的稿子, 独立信源实际是 1。

第二步: 自动溯源。 由资讯认知 Agent 承担追溯的机械部分: 抓取、比对、找出最早出现的版本、标注追不到源头的条目。人只处理系统标出的疑点。

第三步: 证据强度分级。 每条待发稿件标注独立信源数、有无反证、时效性, 编辑据此决定发或不发, 而不是靠感觉。

第四步: 记录误报。 每次更正都写下当时的证据状态与判断依据, 进入可检索的记录。

核实从判断变成了流程。 编辑不再需要每次都从头思考"这条可不可信", 而是看系统给出的溯源链与独立信源数, 把精力放在系统标出的疑点上。

发稿量下降, 更正次数也下降。 ★ 前者是我们事先明确告知过的代价——资讯认知框架会让很多原本"可以说"的话退回到"证据不足"。编辑部接受了这个交换, 因为对他们而言更正的代价更高。

"追不到源头"成了一个明确的类别。 此前这类消息与其他消息混在一起; 现在它们被单独标出, 编辑可以选择等待或放弃, 而不是默认按可信处理。

记录开始起作用。 半年后, 有一条形态相似的消息被快速识别为高风险, 依据是记录里的同类误报——这是第一次出现"上一次的教训进入了这一次的判断"。