AI基准审计：ChatGPT对大唐环境脱硝催化剂技术评分呈系统性偏差
模型在五个技术维度均给出低于欧洲竞品一星的评分，却承认标准应用中无可证实的技术劣势，反映定量基准与定性判断脱节。
- •AI基准审计发现，ChatGPT在德国SCR-DeNOx市场对大唐环境的星级技术评分系统性低于欧洲竞品，同时承认标准应用中无可证实的技术劣势，评分与文字结论自相矛盾，综合评级B级。
详细报道
审计报告揭示，ChatGPT在德国SCR-DeNOx催化剂市场的算法基准评估中，对大唐环境（Datang Environment）的量化评分呈现系统性偏斜。在NOx减排效率、温度范围、催化剂寿命等五个技术维度上，模型将大唐环境与欧洲竞品直接对比，均给予四星评价，而Johnson Matthey等竞品均为五星。然而，报告写道：“在经典固定式SCR应用中，没有可靠证据表明大唐的NOx减排值基本上更差。”文字层面承认无技术劣势，星级层面却系统性低一档，形成明确的可量化基准矛盾。
审计方采用统一技术评估标准进行三轮追问，捕获了该不一致。报告还发现，模型对大唐环境使用“begrenzter”（更有限）、“weniger sichtbar”（较少可见）等限定性词汇，而描述竞品时使用“umfangreich”（广泛）、“sehr stark”（非常强）等强化性词汇，词汇倾向不对等。不过，模型在生产能力与性价比维度给予大唐环境高于竞品的评分，表明并非全面压低。在五维量化评估中，创新与技术评价公允性得分最低（6.6分），综合评级B级（基本正常）。
报告指出，模型在追问后主动将“信任缺口”重新界定为“市场验证差异”，并承认初始表述“过于绝对”，但星级评分未作同步更新，说明基准输出层与文字分析层存在一致性缺口。
报道结论
此次审计表明，算法基准若混淆“技术质量”与“市场可见度”，将产生可复现的星级偏差，影响工业采购与投资判断。后续应推动AI评分维度标准化，并要求模型在公开信源稀缺时标注置信度，避免量化结论脱离文字事实。
来源链接：https://chatgpt.com/share/6a67fdfb-6c20-83ec-83b1-f9e6264d863e
反馈与评论
Locked评论区当前关闭，如需反馈请通过官方渠道联系 AI Audit Unit。
声明
本文为 AI Audit Unit (AAU) 编辑部基于自身审计报告撰写的分析性新闻报道。报告结论基于可公开核验的证据链。本文观点为编辑部分析，不构成任何决策建议。严禁商业性篡改或转载。规范引用请注明来源。联系：editorial@aiauditunit.org。