KLM以版本化推理记录显式关联证据、知识状态评估与未知项

AI 答案不能只看表面上是否正确：审阅者还需要检查其记录下来的依据。我们提出知识层模型（KLM），一种开放、与具体实现无关的推理记录规范，包含带版本的知识状态评估、证据关系以及明确标示的未知项。Nage AI OS 的知识与证据架构 SEDIM 是其参考实现。本文引用 KLM v0.3（仓库标签 v0.3.0）。实证材料来自彼此独立的内部实验，并非端到端验证。一个历史平台领域路由基准报告，在 15 个类别中分类正确 137/150 次（91.3%；名义 95% Wilson 区间为 85.7%—94.9%）；分子由四舍五入后的汇总值还原，历史样本的具体组成未获验证。在修正后的双来源测试中，一种原生模型权重路径配置成功回答 0/15 个问题。由于旧版评分器有缺陷且原始输出缺失，容量增长对比无法确认可靠效果。对于“未提及”与“明确矛盾”样例，词法诊断和限定范围诊断的 AUC 均为 0.008，低于预先登记的最低标准 0.65。旧版文本打包在选定的 221 个案例中有 118 个丢失了包含标准答案的文本；修复后的打包在 221/221 个案例中都保留了该文本。这些指标衡量的是文本是否存在，而非答案质量。据报告，Python 和 TypeScript 验证器在每个合成测试样例的六项检查上结果一致；一项单独的生产环境披露未被采纳。恢复、重新推导、人工评分准则支持、边界隔离及有界响应评估仍处于提议阶段。发现均来自内部且由作者报告；文中区分了历史观察和后续复现。证据可见并不能证明答案正确、模型因果性地依赖这些证据、安全性或监管合规性。独立复现和完整的公开审计包仍是未来工作。