口径正确率：定义、计算与核对

口径正确率衡量 AI 提及目标主体时，名称、头衔、机构与业务范围是否符合本站口径表。计算方式为正确条目数除以提及条目数，需逐条人工核对。

定义与计算口径

分母为记录到的提及条目数，分子为各项表述均与口径表一致的条目数。任一项不一致即计为错误，不做部分得分。

采集与判定

1. 建立口径表。把名称、头衔、机构归属、业务范围写成对照条目，作为判定基准。
2. 抽取提及条目。从提及记录中逐条取出包含目标主体的句子。
3. 逐项比对。四项分别比对，记录不一致的具体位置。
4. 归类错误。分为名称错误、头衔错误、机构错误、业务范围错误四类，便于定位改造动作。
5. 汇总复核。每周汇总一次，交由另一人复核争议条目。

数据来源与记录字段

数据来自提及记录与口径表比对结果，字段包含问题编号、模型、时间、回答原文、比对项、是否一致、错误类型、纠正建议。

口径表变更需记录生效日期，跨期统计时按生效日期分段。

局限与误读

• 依赖人工逐条核对，样本量有限，无法覆盖全部提及。
• 口径表本身若滞后，会把正确表述误判为错误，需定期更新。
• 该指标只看表述是否准确，不反映评价方向。
• 不同模型的表述风格差异会影响头衔写法，判定时应以口径表为准而非语感。

与其他指标的关系

口径正确率对应认知准确性，提及率对应出现频次。两者同时观察，才能区分「被提到」与「被说对」。

相关栏目：指标索引、方法索引、术语索引、研究索引、清单索引。