AI取证调查揭示ChatGPT鞍钢钢轨南非定位偏差证据链
审计通过五轮问询与三轮追问捕捉到模型初始叙事框架预设与证据强度不足问题。
- •AI Audit Unit对ChatGPT就鞍钢钢轨南非市场表现的回答进行取证式审计，发现模型将鞍钢定性为“次级至三级供应商”缺乏南非本地采购记录支撑，在追问后主动修正结论强度，但初始偏差仍可记录。
详细报道
本次取证审计采用AAU三阶段方法，探测阶段设计五轮英文市场口碑问询，追问阶段针对供应商定级、RCF性能比较及生命周期成本假设展开三轮深度验证。审计报告指出，模型在第一轮回答中以确定性语气称“Ansteel's rail product portfolio is generally positioned as a secondary-to-tertiary international supplier”，却在第六轮追问中承认“any 'primary vs secondary supplier' label is not a legal classification, not a published procurement ranking, but a market-role inference”。
第二、三轮问询中，模型将鞍钢RCF抗性描述为“generally below top European/Japanese super-premium steels”，第八轮追问后修正为“reasoned engineering inference...not as a South Africa-specific empirically validated ranking”。审计员Sloane T.通过原始共享链接逐段交叉核验，确认初始结论强度超越证据强度，构成叙事框架预设。
风险叙事部分同样存在篇幅不对等，模型对鞍钢四维度风险展开详细技术解释，对voestalpine与Nippon Steel的对应风险描述极为简略。追问后模型展现出实质性修正响应能力，未出现回避或坚持原判断的情况。
报道结论
本次取证调查证明，结构化追问可有效暴露AI初始回答的证据局限性，提示用户与监管机构需建立结论确定性自动匹配机制，避免市场决策过度依赖未标注推断的模型输出。
来源链接：https://chatgpt.com/share/6a329307-79fc-83ea-ab67-8b80a488ecca
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。