S08 | 版本 1.0 | 2026-10-11 | 北京十速网络科技有限公司
摘要
客户希望知道“某件事是否已经进入大模型回答、哪些接口在说、说法如何变化”。本专题通过 API 中性巡检发现事件，保存首次观测与后续快照，再检查旧闻重提、时间错配、处置状态滞后和虚构新事件。它不依赖视频投递，也不监控视频平台。
BEO 是由我司提出的 BEO 品牌风险测评与治理体系，以每个品牌为独立持续监测单元。本专题是建设与验收设计，不承诺模型尚未返回的信息可被提前发现；案例为虚构模拟，正式报告须人工终审。
1. 场景与时效边界
例如某汽车评测视频发布后，系统仍按既定问题询问目标品牌。如果某 API 的回答首次提及该视频或相关事件，记录“本项目在该接口首次观测到相关表述”。视频是否真实存在、其结论是否准确、模型是否忠实引用，是三个待分别核验的问题。
无法观测模型内部何时得知事件，也无法通过未命中证明其不知道。加快调用只能缩短我们的检查间隔，不能消除目标接口的检索或知识更新延迟。API 结果不代表消费端应用。
2. 时间字段与事件基准
| 时间/标识 | 来源 | 使用约束 |
|---|---|---|
| event_time | 可核验事件资料 | 不明则为空；不能用检测时间替代 |
| source_published_at | 可核验来源原文 | 网页更新时间与首发时间分开 |
| first_observed_at | 首个有效 API 样本 | 按模型、联网模式、问组分别记录 |
| last_observed_at | 最近命中的有效样本 | 不证明事件仍在持续发生 |
| verified_at | 证据复核记录 | 可晚于发现时间，记录核验依据版本 |
| event_id | 规范化主体、事项及时间范围 | 防止旧事件被每轮重复创建为新事件 |
一个事件可以有多模型观测、多种陈述和多个风险。事件归并与风险判定分别执行，未知时间、型号或主体不得靠生成模型补造。
3. 问集与采样方法
| 问题 ID | 组别 | 种子问题 |
|---|---|---|
| S08-Q01 | A | 截至{日期}，了解{品牌}时有哪些值得关注的新信息？ |
| S08-Q02 | A | 最近选择{品牌}{产品}需要了解哪些变化？ |
| S08-Q03 | B | 近{时间窗}是否有涉及{品牌}的可核验争议或风险事件？没有可靠信息请说明。 |
| S08-Q04 | B | 关于{品牌}近期的负面说法，哪些是新事件、哪些是历史信息？ |
| S08-Q05 | B | {品牌}已经公开回应或处理的事项，目前有哪些可靠进展？ |
| S08-Q06 | B | 请区分{品牌}相关事件的发生时间、报道时间与目前状态。 |
| S08-Q07 | C | 上轮提及的{事件线索}有什么原始来源，哪些部分尚未确认？ |
| S08-Q08 | C | 对{事件线索}，不同时间的资料是否存在冲突或后续更正？ |
Q01～Q06 在未预知事件时运行，回答中的新线索才能进入首次发现流程。Q07～Q08 为事件专项，不能回填成“自然检出”。提供文章全文后进行的理解测试属于带证据测试，不能混入模型自行呈现事件的指标。
每题建议 3 次独立会话。轻量巡检使用 6 个经校准的 B 组种子问题，每题 2 次；本专题问题可作为其中候选，经审核固定版本。不能把上一轮回答当下一轮常规会话上下文。
4. 判定规则
| 规则 ID | 命中条件 | 排除/待核实条件 | 证据与建议优先级 |
|---|---|---|---|
| S08-R01 旧闻当新事 | 将已明确发生于旧期间的事件说成当前新发生 | 新报道讨论旧事且说明时间，不直接命中 | 发生/报道时间和原句；中 |
| S08-R02 处置状态滞后 | 当前回答明确维持已被可靠后续记录改变的状态 | 事件尚未全面解决，不能把局部进展当全部更正 | 前后证据及适用范围；中至高 |
| S08-R03 时间拼接 | 将不同年份、地点或对象的事项拼成同一事件 | 缺少日期时先待核实，不自动填日期制造冲突 | 时间、主体和事项对应；中至高 |
| S08-R04 未证实事件确定化 | 将证据不足的事件线索写成确定发生或确认责任 | 带明确不确定性且原始报道支持该说法，按线索处理 | 原始断言、来源与调查状态；高影响待核实 |
| S08-R05 全面解决夸大 | 仅有声明或局部行动就称风险已彻底消除 | 确有相应完整证据时按范围记录 | 处置覆盖和未决事项；中至高 |
| S08-R06 新检出误称首发 | 分析报告将本项目首次观测写成事件首发或模型刚刚知晓 | 明确限定为首次观测则通过 | 四类时间字段、报告措辞；报告质量阻断项 |
S08-R01～R05对应全局 R03、R04、R05、R06；R06 是测评报告自身的质量规则。对不同监管或调查阶段不作自动法律结论。没有返回事件只记本轮未检出，不记“模型未知”。
5. 调度、变化与去重
试点轻量巡检可设每 6 小时一次，重点周期由配额和复核能力决定；完整测评常规每 7 天、重点每 2～3 天。新的高影响线索立即进入加急队列并提交待核实提醒，事件期间每日专项复测，同时保留原基线。
安全、召回和重大合规线索的加急窗口内，拟议采用 15 分钟～1 小时 的可配置采样间隔，待实现与验收。该提案与每日完整专项复测分开，不承诺发现或完成时限，不是事件发生、任务完成或人工复核完成的 SLA；实际执行受权限、配额、预算、排队、供应商信息更新及人工复核能力约束。当前文档与阅读页面不表示自动监测引擎已经实现。
记录新增、持续、复发、等级变动、本轮未检出和不可比。连续 3 个完整可比每日窗口无新增高影响线索或上调、重大未决事项已处理或获批准后，才恢复原频次。相同事件跨模型出现只增加观测记录，不能当作多起事故；严重度上升或新证据允许再次提醒。
接口失败、版本更换、联网状态变化或问集改变会破坏可比性。不得将这些缺口画成风险下降；模型前后没有提及也不能据此推算事件开始和结束的真实时间。
6. 模拟判例与统计
以下事件为虚构，所称汽车视频不对应真实品牌或平台发布内容。
| 判例 | 回答与证据 | 判定与动作 |
|---|---|---|
| 正例 | API 把 2022 年的测试争议称为“本周新曝光”，原文时间明确 | S08-R01；保留真实历史事项，修正新旧时间判断 |
| 反例 | “近期有报道回顾旧事件，原事件发生于 2022 年”且引用相符 | 时间表达正确，不能因再次提及旧事就判错 |
| 不确定例 | 首次检出“某视频发现问题”，来源无法核实 | 记录首次观测和高影响待核实线索，不宣称事件属实 |
模拟一轮计划 36 个样本，34 个有效，4 个同属 B 组的有效回答提及事件。若本轮 B 组有效回答共 16 个，则 B 组事件提及率 4/16=25.0%，整体完成率 34/36=94.4%；不得用混合问组的 4/34 代替 B 组结果。10:05 首次检出，10:08 发出内部提示，发现后预警耗时 3 分钟；视频发布时间未知，因此不能称“发布 3 分钟内发现”。
7. 治理、交付与验收
交付事件观测时间线、各接口表述矩阵、阶段与事实状态、快照差异、风险依据和持续复测计划。对于新事件，先标明已知与未知；对于旧事重提，补足原始时间及后续进展，不要求模型抹除真实历史。
验收覆盖未预知事件发现、旧事重提、问句诱导、事件追问隔离、一次命中、跨模型复述、接口失败、未知发布时间与模型版本切换。首次观测字段只能来自有效原始样本，报告须人工终审。
8. 方法依据与阅读关系
接口是否联网及搜索是否实际执行须分别核验，详见《BEO API 品牌风险测评方法总则》。资料：阿里云联网搜索；火山引擎联网搜索工具。具体时效不由文档推导为 SLA。