citation-check-skill

引用与幻觉检查器 v2

具备视觉与网络搜索功能的验证工具。根据权威来源或提供的文档验证每项声明。适用于任何语言的内容。

设计原则： 确定性验证。相同输入 → 相同输出。

---

两种验证模式

模式 1：搜索验证（默认）

• 搜索网络以查找权威来源
• 验证引用是否真实存在
• 检查引用来源是否支持相应声明
• 查找统计数据的原始数据

模式 2：仅文档验证

• 用户提供源文档
• 所有内容都必须能追溯到这些文档
• 标记任何看起来来自外部知识的内容
• 触发语句："only use this document" / "verify against the PDF only" / "don't search the web"

---

两轮架构

关键： 始终分两轮进行。绝不交错执行提取与验证。

第 1 轮：仅提取

1. 阅读整篇文档、幻灯片和图片
2. 使用下方的声明提取规则提取所有声明
3. 输出编号列表：[claim_id] | [claim_text] | [claim_type] | [location]
4. 本轮不进行验证
5. 继续之前，先向用户展示提取结果并征求确认

第 2 轮：仅验证

1. 将第 1 轮的输出作为固定输入
2. 按顺序逐条验证每个 claim_id
3. 不得重新提取——仅处理第 1 轮中的声明
4. 对每项声明应用状态判定树
5. 生成最终报告

这样可以避免在验证过程中“发现新声明”，并确保一致性。

---

声明提取规则（完整）

仅提取以下类型的声明。严格遵循规则，不得自行判断。

将以下内容提取为声明：

类型	模式	示例
统计数据	带有单位或语境的任何数字（%、$、计数、比率、小数）	"92.3% accuracy", "$4.7B market"
比较	X 比 Y 更 [比较级]	"3x faster than baseline"
时间	有时间限定的断言	"In 2024, adoption reached..."
归属	与来源相关联的声明	"According to WHO...", "Smith et al. found..."
因果	X 导致／引发／造成 Y	"This reduces latency by..."
存在	断言某事物存在或为真	"There are 500M users", "The model supports..."
排名	排名或位置声明	"largest", "first", "top 3"
引语	直接引用	任何归属于某来源、置于引号中的文本

不要提取为事实性陈述：

类型	示例	原因
定义	"Machine learning is a subset of AI"	属于定义，而非事实性陈述
明确标注的观点	"We believe...", "In our view..."	明确属于主观观点
假设	"If adoption continues...", "Could potentially..."	属于推测
问题	"What drives growth?"	不属于陈述
无来源的未来预测	"Will reach $10B by 2030"	除非引用预测报告
方法说明	"We used PyTorch 2.0"	属于流程，而非事实性陈述
致谢	"Thanks to our collaborators"	无法验证

提取结果格式

[C01] | "Model achieves 96.555% accuracy on ImageNet" | Statistic | Slide 3, bullet 2
[C02] | "Outperforms GPT-4 by 12% on reasoning tasks" | Comparative | Slide 3, bullet 3
[C03] | "According to Chen et al. (2024), transformers scale linearly" | Attribution | Slide 5, para 1
[C04] | "Market size reached $4.7B in 2024" | Statistic + Temporal | Slide 7, chart title

---

状态判定树

将此判定树应用于每一条陈述。严格遵循，不得走捷径。

START
│
├─ Is this a CITATION claim (references a paper/report/source)?
│   ├─ YES → Go to CITATION VALIDATION
│   └─ NO → Go to STATISTIC/FACT VALIDATION
│
│
CITATION VALIDATION
│
├─ Step 1: Does the cited source exist?
│   │   Run ALL mandatory search queries (see Search Templates)
│   │
│   ├─ NO → Status: "Citation Not Found"
│   │        Issue: "Cannot locate [citation] in any database"
│   │        STOP
│   │
│   └─ YES → Step 2: Does source contain the claimed topic?
│             │
│             ├─ NO → Status: "Misquoted"
│             │        Issue: "Source exists but does not discuss [topic]"
│             │        STOP
│             │
│             └─ YES → Step 3: Does source support the exact claim?
│                       │
│                       ├─ YES (exact match) → Status: "Verified"
│                       │                       Confidence: "exact"
│                       │
│                       ├─ YES (paraphrase, same meaning) → Status: "Verified"
│                       │                                   Confidence: "paraphrase"
│                       │
│                       ├─ PARTIALLY (missing context) → Status: "Misleading"
│                       │   Issue: "Claim omits critical context: [what's missing]"
│                       │
│                       └─ NO (contradicts) → Status: "Hallucination"
│                           Issue: "Source says [X], claim says [Y]"
│
│
STATISTIC/FACT VALIDATION
│
├─ Step 1: Can you find an authoritative source?
│   │   Run ALL mandatory search queries (see Search Templates)
│   │
│   ├─ NO (no source found) → Status: "Unverified"
│   │                          Issue: "No authoritative source found"
│   │                          STOP
│   │
│   └─ YES → Step 2: Do values match EXACTLY?
│             │
│             ├─ YES → Status: "Verified"
│             │         Confidence: "exact"
│             │         STOP
│             │
│             └─ NO → Status: "Numerical Error"
│                      Go to NUMERICAL ERROR DETAILS
│
│
NUMERICAL ERROR DETAILS (Academic Precision Mode)
│
├─ Record:
│   • Source value: [exact number from source]
│   • Claimed value: [number in document being checked]
│   • Deviation: [calculate exact difference]
│   • Source location: [page, table, section]
│
├─ Classification:
│   • ANY rounding → Numerical Error
│   • ANY truncation → Numerical Error  
│   • Significant figures mismatch → Numerical Error
│   • Unit mismatch → Numerical Error
│   • Wrong direction (e.g., increase vs decrease) → Hallucination
│
└─ Exception: If source ITSELF provides rounded figure
    • e.g., Source says "96.555% (approximately 97%)"
    • Then claiming "97%" → Verified (cite the approximation)

---

数值精度规则（学术标准）

默认模式：严格的学术精度。仅使用精确数值。

规则	来源	陈述	状态
必须完全匹配	96.555%	96.555%	✓ 已验证
任何舍入均属错误	96.555%	97%	✗ 数值错误
任何舍入均属错误	96.555%	96.6%	✗ 数值错误
截断属于错误	96.555%	96.5%	✗ 数值错误
有效数字必须匹配	0.834	0.83	✗ 数值错误
单位必须匹配	96.555%	0.96555	✗ 数值错误
方向很重要	+12% growth	+15% growth	✗ 幻觉
数量级	$4.7B	$47B	✗ 幻觉

数值错误输出格式

### Numerical Error: [Claim ID]

| Field | Value |
|-------|-------|
| Claim | "Model achieves 97% accuracy" |
| Location | Slide 4, bullet 2 |
| Source | Chen et al. (2024), Table 3, p.8 |
| Source value | 96.555% |
| Claimed value | 97% |
| Deviation | +0.445% (rounded up) |
| Status | Numerical Error |
| Fix | Replace with: "Model achieves 96.555% accuracy" |

---

置信度分类

级别	标准	适用情形
exact	≥95% 的词语重合度，或数值及单位完全相同	直接引用、精确统计数据
paraphrase	事实相同，措辞不同，未添加解释	重述研究发现
interpretation	从来源数据中推断	根据来源计算、综合分析

规则： 如果无法确定级别，请采用更保守的选项，并标记为待审核。

---

强制搜索模板

运行所有适用的模板。找到首个结果后不要停止。

学术引用

Query 1: "[first author last name] [year] [first 3 words of title]"
Query 2: "[full paper title]" site:semanticscholar.org OR site:arxiv.org
Query 3: "[first author] [year] [venue/journal name]"
Query 4: "doi:[DOI]" (if DOI provided)
Query 5: "arxiv:[arxiv_id]" (if arXiv ID provided)

统计数据（市场规模、使用量等）

Query 1: "[exact number with unit] [topic] [year]"
Query 2: "[topic] [year] statistics report site:statista.com"
Query 3: "[topic] [year] report site:mckinsey.com OR site:gartner.com"
Query 4: "[topic] market size [year] site:gov OR site:edu"
Query 5: "[topic] [number] original source"

公司／产品相关陈述

Query 1: "[company name] [claim topic] press release [year]"
Query 2: site:[company domain] [claim topic]
Query 3: "[company name] [metric] official announcement"
Query 4: "[company name] [claim] SEC filing" (for public companies)

健康／医疗相关陈述

Query 1: "[claim topic] site:who.int OR site:cdc.gov OR site:nih.gov"
Query 2: "[claim] systematic review site:cochrane.org"
Query 3: "[claim] meta-analysis pubmed"

政府／政策相关陈述

Query 1: "[policy/law name] site:gov"
Query 2: "[statistic] official statistics [country]"
Query 3: "[claim] [agency name] report"

---

来源权威性层级

找到多个来源时，按以下顺序优先选择：

排名	来源类型	示例
1	一手来源	原始研究、官方报告、原始数据
2	政府／机构来源	WHO、CDC、World Bank、国家统计局
3	同行评审出版物	Nature、Science、IEEE、ACM
4	行业报告（具名）	Gartner、McKinsey、Statista（附方法说明）
5	引用一手来源的信誉良好新闻	NYT、Reuters（引用原始来源）
6	二手汇编	Wikipedia（检查其来源）

规则： 如果只找到排名为 5–6 的来源，状态 =“Unverified”，并注明“仅找到二手来源”

---

多来源核验（搜索模式）

只有满足以下条件，声明才可标记为“Verified”：

条件	所需来源
找到一手来源	1 个（若来源权威：.gov、同行评审或官方来源）
只有二手来源	≥2 个相互独立且结论一致的来源
来源相互冲突	状态 =“Unverified”，并注明冲突

---

决胜规则

存在不确定情况时，应用以下规则。不得自行判断。

情况	规则
声明缺少日期	假设指最近可获取的年份；标记“需要日期”
来源相互冲突	使用最新的权威来源；引用双方；注明冲突
穷尽所有查询后仍未找到来源	状态 =“Unverified”（而非“Hallucination”）
数字因货币换算而不同	标记为“需要澄清：货币／单位”
同一机构有多份报告	使用最新报告；引用时注明日期
声明使用“约”或“大约”	仍需核验基础数字是否在有效范围内（与来源相差 ±10%）
来源设有付费墙	注明“来源设有付费墙，无法核验确切文本”
来源使用其他语言	翻译并核验；注明翻译情况

---

可视化数据核验

对于每张图表、图形、表格或示意图：

步骤 1：提取数据点

• 读取图中所有数值
• 记录：坐标轴标签、单位、刻度、图例
• 注意任何视觉失真（截断坐标轴、3D 效果等）

步骤 2：查找来源

• 搜索模式：使用数据搜索模板
• 仅文档模式：在源文档中定位

步骤 3：逐项比较数值

| Visual Element | Extracted Value | Source Value | Status |
|----------------|-----------------|--------------|--------|
| Bar 1 (2022) | 45% | 45.0% | ✓ Verified |
| Bar 2 (2023) | 62% | 58.3% | ✗ Numerical Error |
| Bar 3 (2024) | 78% | Not in source | ✗ Hallucination |

步骤 4：检查可视化完整性

检查项	问题类型
Y 轴起点不为零	“视觉失真：坐标轴操控”
3D 效果扭曲比例	“视觉失真：3D 夸大”
来源包含误差线，但图中缺失	“误导：未显示不确定性”
时间范围与来源不同	“误导：挑选时间范围”

---

仅文档模式工作流

触发短语：

• “仅使用此文档”
• “不要搜索网络”
• “仅根据 PDF 核验”
• “所有内容都应来自该来源”

步骤 1：为源文档建立索引

在开始任何核验前，建立完整索引：

SOURCE INDEX
Document: [filename]
Pages: [count]

Page 1:
- Text: [summary of content]
- Statistics: [list all numbers with context]
- Tables: [Table 1: columns X, Y, Z]
- Figures: [Figure 1: shows X]

Page 2:
...

步骤 2：应用双遍架构

与搜索模式相同，但核验时仅使用源索引。

步骤 3：追溯每项声明

Claim: [C01] "Model achieves 92% accuracy"
Search index for: "92", "accuracy", "performance"
├─ Found: Section 4.2, p.8 — "Our model achieves 92.1% accuracy"
│   └─ Status: Numerical Error (92% vs 92.1%)
│
OR
│
├─ Not found in index
│   └─ Status: "Not in Source"
│       Issue: "This claim cannot be traced to the provided document"
│       Likely: External knowledge / hallucination

第 4 步：标记所有外部知识

在仅依据文档的模式下，任何无法追溯至来源的说法都是问题

### External Knowledge Detected

These claims are NOT in the provided document:

| Claim ID | Claim | Status | Issue |
|----------|-------|--------|-------|
| C07 | "This method is widely adopted in industry" | Not in Source | Appears to be from model training data |
| C12 | "Published in Nature 2024" | Not in Source | Publication venue not mentioned in source |

---

输出格式

摘要区块（始终置于首位）

## Verification Report

**Mode:** [Search / Doc-Only]
**Document:** [filename or description]
**Generated:** [timestamp]

### Summary
| Metric | Count |
|--------|-------|
| Total claims extracted | X |
| Verified | Y |
| Numerical Error | Z |
| Unverified | A |
| Hallucination | B |
| Misleading | C |
| Not in Source (doc-only) | D |

**Overall Status:** [PASS: All verified / FAIL: Issues found]

详细发现（按状态分组）

### ✓ Verified Claims (N)

| ID | Claim | Source | Location | Confidence |
|----|-------|--------|----------|------------|
| C01 | "92.1% accuracy" | Chen et al. 2024 | Table 3, p.8 | exact |

### ✗ Numerical Errors (N)

| ID | Claim | Source Value | Claimed Value | Deviation | Fix |
|----|-------|--------------|---------------|-----------|-----|
| C03 | "97% accuracy" | 96.555% | 97% | +0.445% | Use 96.555% |

### ✗ Hallucinations (N)

| ID | Claim | Issue | Source Says |
|----|-------|-------|-------------|
| C05 | "3x faster" | Contradicts source | Source: 2.1x faster |

### ⚠ Unverified (N)

| ID | Claim | Issue |
|----|-------|-------|
| C08 | "$50B market" | No authoritative source found |

### ⚠ Misleading (N)

| ID | Claim | Issue | Missing Context |
|----|-------|-------|-----------------|
| C10 | "Best performance" | Cherry-picked metric | Only on subset; overall performance lower |

已查阅的来源

### Sources

| ID | Citation | Type | URL | Used For |
|----|----------|------|-----|----------|
| S1 | Chen et al. (2024) | arxiv | https://arxiv.org/... | C01, C02, C03 |
| S2 | Statista Market Report | report | https://statista.com/... | C08 |

---

关键规则

1. 始终分两轮处理——先提取，再核验。绝不交叉进行。
2. 核查每一项说法——没有例外，不跳过任何“显而易见”的说法。
3. 只使用精确数字——在学术模式下，96.555% ≠ 97%。
4. 查找原始来源——不要接受引用了未知原始来源的二手来源。
5. 运行所有搜索模板——不要在找到第一个结果后就停止。
6. 引用必须真实存在——搜索并确认论文或报告确实存在。
7. 核查来源的实际表述——真实论文也可能被错误引用。
8. 在仅依据文档的模式下，标记所有外部知识——即使它属实也不例外。
9. 不确定时，采取保守做法——“未核实”比错误地标记为“已核实”更安全。
10. 遵循平局判定规则——不凭个人判断临时决定。

---

语言支持

• 接受任何语言的内容
• 使用适合来源语言的语言搜索来源
• 使用用户请求所用的语言生成报告
• 支持跨语言核验（例如，中文幻灯片引用英文论文）
• 为核验而翻译时，请注明：“译自[语言]”

---

输出格式选项

**快速：**仅包含摘要和关键问题（数字错误、幻觉、未核实） **完整：**包含所有说法的完整可追溯性报告 **JSON：**机器可读的审计结果（参见 references/citation_schema.json）

---

更新日志

v2.0 — 一致性更新

• 添加双轮架构（提取 → 核验分离）
• 添加详尽的说法提取规则
• 添加状态判定树（确定性分类）
• 添加严格的数字精度规则（学术模式）
• 添加强制搜索模板
• 添加多来源核验要求
• 添加边缘情况的平局判定规则
• 添加置信度分类阈值