TruthLens
  • EN · English
  • RU · Русский
  • 简体中文
  • FR · Français
  • हिन्दी
  • DE · Deutsch
  • ES · Español
  • PT-BR · Português (Brasil)
  • 日本語
  • 한국어
  • IT · Italiano
  • NL · Nederlands
  • PL · Polski
  • TR · Türkçe
  • UK · Українська
  • SV · Svenska
  • DA · Dansk
  • NB · Norsk bokmål
  • FI · Suomi
  • CS · Čeština
  • SK · Slovenčina
  • HU · Magyar
  • RO · Română
  • Ελληνικά
  • CA · Català
  • HR · Hrvatski
  • FR-CA · Français (Canada)
  • ES-419 · Español (Latinoamérica)
  • PT · Português
  • 繁體中文
  • 繁體中文(香港)
  • ไทย
  • VI · Tiếng Việt
  • ID · Bahasa Indonesia
  • MS · Bahasa Melayu
  • SL · Slovenščina
← 返回

TruthLens 如何查核事實

生效日期:2026 年 9 月 8 日 · 方法論版本 1.7

本頁以平實的語言說明 TruthLens 如何把一段文字、一段影片或一張圖片,轉為有來源支持的判定。它是寫給想知道結果背後究竟發生什麼事的讀者、記者與研究者,而非行銷文案。本頁中凡是可在我們的使用條款或隱私權政策中獨立查對的敘述,我們都直接連到對應條款,而不是換句話說重述一次。

分析工具,非最終結論。 TruthLens 給出的每一項結果——判定、信心程度、說明、來源清單——都由 AI 模型依據公開證據推理後自動產生。它是研究與資訊工具,不是既定事實,也不是最終結論(見使用條款第 6.1 條)。TruthLens 與國際事實查核聯盟(IFCN)並無隸屬關係,也不是其認證簽署機構;本頁的原則參照 IFCN 公開的《原則守則》,並套用於一套自動化系統。

1. 一次查核如何進行

查核分階段進行。每個階段都圍繞同一條規則設計:沒有支持性證據,就不下判定。

1.1. 擷取。 送出的文字(或影片的逐字稿,或自圖片讀出的文字)會被拆成一條條可查核的事實陳述——具名事件、統計數據,以及以事實口吻提出的說法。意見、預測與反詰問句不予擷取。整篇素材另會歸類為新聞、意見或諷刺。

1.2. 去重與排序。 重複或近乎相同的說法會合併。對於長篇素材,先查核對讀者影響最大的說法;每次提交只對固定數量最重要的說法做完整查核——如此查核維持快速,查核資源也用在關鍵之處,而非枝微末節。

1.3. 與已發布的事實查核比對。 在自行搜尋之前,我們先看看是否已有身為 IFCN《原則守則》認證簽署機構的事實查核組織,針對同一說法發布過查核。唯有在確認——透過逐字一致的措辭,或透過專門的驗證步驟——比對到的說法確實指向同一主張而非僅是同一議題時,才算命中。命中時,採用該組織自己的結論,而非我們的。

1.4. 搜尋證據。 對於沒有現成事實查核的說法,TruthLens 會在開放網路上搜尋支持或反駁的證據,並排除以社群媒體貼文作為原始來源。涉及科學或健康主題的說法,另會與學術及生物醫學文獻資料庫比對(OpenAlex、Semantic Scholar 與 PubMed——它們廣泛收錄已發表研究,並不限於完成同儕審查的成果);涉及國家層級統計數據的說法(GDP、通膨、人口、失業率、平均壽命等指標)則與世界銀行的官方數字比對。若某個頁面已遭移除或暫時無法連上,我們會先嘗試透過 Internet Archive 的 Wayback Machine 讀取最後一份公開存檔副本,再行放棄。

1.5. 立基於證據的判定。 AI 模型嚴格依據上一步收集的證據來判定說法——絕不依據自身的常識。若證據不足或相互矛盾,判定為「未證實」,而不是猜測。模型還必須說明該說法主張了什麼、證據主張了什麼。關於相鄰陳述的證據——提出的法案而非通過的法律、被起訴而非被定罪——既不算證實,也不算反駁。與模型自身比對相矛盾的判定會被程式碼捨棄:證實與反駁都變為「未證實」,並附註來源實際涉及的內容。關於另一事件或另一主張的證據既非證實也非反駁。只給出一個界限的來源——「超過 550 億美元」——並不能確立該界限之內的確切數字:此類說法為「未證實」,既非「誤導」也非「已駁斥」,附註會說明來源實際給出了什麼。關於先前狀況的報導可能不足以反駁關於目前的說法:我們會查看可取得的發布日期、所報導資料的日期以及所取得摘錄中的明確更新;無日期的來源既不推定為舊,也不推定為新。當可取得的資料不能為反駁提供足夠新的依據時,否定性判定會撤回為「未證實」,附註說明時間上的限制。「誤導」要求有關於真實事實以及該說法如何扭曲它的證據;僅憑證據缺失或無關是不夠的。

1.6. 來源可信度加權。 每一項證據來源都會在已知媒體與出版機構構成的圖譜中依可信度加權。負責作出證據判定的模型(1.5)被要求:絕不僅憑低可信度來源就將一項說法判為「已駁斥」或「誤導」;當高可信度來源與低可信度來源相衝突時,以高可信度來源為準。此外——這一條由程式碼強制執行,而非交由模型判斷——「已駁斥」或「誤導」的判定若沒有至少兩個獨立來源支持,就不會以高信心程度呈現;同一則通訊社稿件在不同網域上的轉載算作一個來源。同一政府的各機構與部門同樣只算作一個來源。

1.7. 獨立的第二意見。 大多數「已駁斥」與「誤導」的判定,會由第二個 AI 模型依據同一批證據另行複核,每次查核設有固定的複核上限。若兩者結論不一致,判定以降低的信心程度呈現。若能力相當的第二個模型不支持某個「已駁斥」判定,該判定會撤回為「未證實」,而非作為駁斥呈現——除非第二個模型本身確立了該說法如何扭曲真實事實,此時該說法呈現為「誤導」。認為說法懸而未決的第二意見不算同意「誤導」判定。當分歧使我們無法得出有依據的結論時,我們會將該說法回報為懸而未決,而不是編造一個較弱的指控。已與已發布的事實查核(1.3)相符的判定會略過此步驟——其背後已有人類事實查核組織自己的審查。

1.8. 彙整。 當提交的素材包含多項說法時,整體結果反映全部說法:一項不實陳述不足以把其餘準確的素材定為「不實內容」,一項真實陳述也救不了主要建立在不實之上的內容。總分概括的是被選出查核的說法;它不是整份素材為真的機率。懸而未決的說法不算證實,也不能稀釋被認定為不實的說法所占比例。對肯定性判定的信心程度較低會減少其貢獻;僅憑信心程度較低絕不會提高總分。撤回不可靠判定的保護機制會降低涵蓋率,但本身不會追加否定性判斷。

2. 判定等級

App、瀏覽器擴充功能與本網站採用同一套判定。共有兩套等級:一套針對整次提交,一套針對其中每一項說法。

整體結果

標籤含義
屬實已解決的說法有充分依據,涵蓋率足夠,且沒有不實或誤導性說法殘留。若有懸而未決的說法,會另行顯示。
大致可信已解決的說法傾向於得到證實,但存在有限的誤導內容、較弱的依據或懸而未決的空白。
部分證實只有部分素材能夠查核;已查核的部分偏向屬實。
有爭議已解決的說法包含誤導內容,或是有依據的陳述與被駁斥的陳述的混合。此標籤不代表懸而未決的說法通過了查核。
存疑已解決的證據支持明顯不利的評估,但不實說法尚未達到「不實內容」結果的門檻。
不實內容不實說法占已解決的事實性說法的至少 40%。涵蓋率和各項判定的信心程度另行回報。
諷刺判定為諷刺或戲仿,其下並無強烈的不實事實主張。
未證實沒有任何事實性說法得以解決,或已解決的太少,不足以支持整體正面評估。此處的零分表示沒有總分,而不是素材為假。

個別說法

標籤含義
已證實由可信的獨立證據證實。
大致證實實質上正確,附帶一點小保留。
誤導立基於真實事實,但表述方式造成誤導。見下方的細分。
已駁斥與可信證據相互矛盾。
未證實未找到足夠的公開證據支持或反駁。

有一類說法屬於作者關於自身的陳述(例如「我一個月前開了這個頻道」)。這類說法根本不會與外部來源比對,並依原則一律標示為「未證實」——沒有任何外部來源能夠證實或否定它們。

「誤導」的兩種細分

當造成誤導的原因符合兩種廣為人知的模式之一時,我們會直接指明,而不是只留下一個籠統的「誤導」標籤:

細分含義
素材真實,說明不實照片、影片或引述本身是真實的——造成誤導的是其周圍的說明文字、脈絡或呈現方式。
已過時 — 曾經屬實該說法過去是正確的;此後相關情況已經改變。

3. 我們如何評估來源

並非所有證據份量相同。每個來源都從四個面向衡量:權威性(該機構在此主題上的地位與角色)、透明度(方法公開、資料清楚)、時效性(相對於所查核說法的新近程度),以及獨立性(不存在利益衝突)。實務上,這會形成三個可信度層級——高、普通或低——由已知媒體圖譜與一份已知低品質網域的簡短清單(內容農場、無審核的部落格)共同構成。模型被要求:僅在低可信度來源上發現的矛盾,本身不足以構成「已駁斥」或「誤導」的判定依據;當高可信度來源與低可信度來源相衝突時,以高可信度一方為準——這套加權中由程式碼強制執行、而非交由模型判斷的那一部分,見 1.6。

4. TruthLens 不做什麼

  • 不作出法律認定、醫療或財務建議,也不作出任何形式的官方裁決(使用條款第 6.4 條)。
  • 不查核長篇提交中的每一項說法——依設計,它優先處理最重要的那些(見 1.2)。
  • 依賴在查核當下公開、已被索引且可線上取得的證據;涉及純屬私人事務、或尚未留下公開痕跡的事件的說法,通常會回傳「未證實」而非得出定論。
  • 部分依賴免費的第三方基礎設施(開放網路搜尋、公開檔案庫、開放的科學與統計資料庫)。當其中之一暫時無法使用時,TruthLens 會退到下一個可用來源,而非整體失敗——但暫時性故障有時意味著某次查核可用的證據比平常少。
  • 說明以及其他自由文字,直接以你所使用的 App 語言撰寫——介面所支援的 36 種語言中的 35 種——而非事後機器翻譯。唯一的例外是丹麥文:我們自己的量測發現,模型在涉及挪威的說法上會偏移到挪威文,因此在修正之前,丹麥文讀者的介面為丹麥文,說明則為英文。若你使用的 App 語言不在這 36 種之內,介面與輸出都會回到英文。輸出跟隨你閱讀的語言,而非素材的語言:一篇德文文章在泰文 App 中查核,回傳的是泰文。服務本身撰寫的標準提示——例如已有發布過的事實查核涵蓋你的說法時所顯示的說明,或提交內容沒有可查核內容的解釋——現已涵蓋同樣的 36 種語言,但它們是機器翻譯的草稿,尚未經每種語言的母語者審閱。

5. 更正結果

若你認為某項結果有誤,或某項結果涉及你本人或你的機構且你認為其不正確或有害,請寄電子郵件至 support@truthlens.wiki,寫明被查核說法的原文及你的異議要點。我們會在合理時間內審閱有理有據的通知——通常在 14 天內——並在確有理由時更正或移除有爭議的結果,並在後續作業中納入考量(使用條款第 6.6 條)。

6. 本方法論的變更

查核方式的實質變更,會在其上線的同時,以平實的語言標註日期記錄於此。

  • 2026 年 9 月 8 日版本 1.7 —— 1.5:只給出一個界限的來源(「超過 550 億美元」)不再確立該界限之內的確切數字,僅依賴先前狀況來源的否定性判定撤回為「未證實」,並附時間限制的說明;與模型自身謂詞比對相矛盾的反駁現在撤回為「未證實」,而不是顯示為「誤導」;1.7:能力相當的第二個模型不支持的「已駁斥」判定撤回為「未證實」,除非第二個模型本身確立了扭曲;1.8 與 2:總分不再允許懸而未決的說法稀釋被認定為不實的說法所占比例,信心程度較低絕不會提高分數,整體標籤由已解決的內容定義,涵蓋率另行回報。
  • 2026 年 9 月 5 日版本 1.6 —— 1.5:判定模型現在必須比對該說法主張了什麼與證據主張了什麼,與自身比對相矛盾的判定會被程式碼捨棄;1.6:同一政府的各機構算作一個來源;1.7:能力相當的第二個模型不支持的駁斥會降為「誤導」,而不只是以較低信心程度呈現。
  • 2026 年 8 月 15 日版本 1.5 —— 指明了唯一一種自由文字輸出不使用 App 語言的語言。我們對全部 36 種語言的輸出語言進行量測,發現丹麥文請求在涉及挪威的說法上回傳挪威文書面挪威語,並在三次獨立執行中重現,因此丹麥文說明改以英文撰寫,而介面維持丹麥文。先前的表述暗示 36 種語言無一例外。
  • 2026 年 8 月 15 日版本 1.4 —— 再次更正第 4 節關於輸出語言的表述:原文描述的是所提交素材的語言,而輸出實際上跟隨你閱讀所用的 App 語言。一篇德文文章在泰文 App 中查核會以泰文回傳;只有當 App 本身執行於我們不支援的語言時,才回到英文。
  • 2026 年 8 月 15 日版本 1.3 —— 服務本身撰寫的標準提示(事實查核命中說明與空結果的解釋)現已涵蓋全部 36 種語言,而非五種;第 4 節中關於其中部分以英文顯示的說法,已替換為事實:它們是等待母語者審閱的機器翻譯草稿。
  • 2026 年 8 月 15 日版本 1.2 —— 更正第 4 節關於輸出語言的表述:自由文字以 App 語言撰寫,涵蓋 36 種語言而非五種;此範圍之外的一切,以及少數尚未翻譯的標準提示,使用英文。
  • 2026 年 7 月 28 日版本 1.1 —— 對以下內容做了精確化:1.4(文獻資料庫並非只收錄同儕審查成果;統計指標清單並非開放式)、1.6(將要求模型執行的來源可信度加權,與由程式碼強制執行的獨立來源規則區分開)、1.7(第二意見適用於大多數而非每一項「已駁斥」/「誤導」判定,並在命中事實查核時略過),以及判定表中的「不實內容」一列(把「主要」改為與實際門檻相符的描述)。
  • 2026 年 7 月 28 日首次發布(版本 1.0)。