测量标准

FactRelay 测量的是“特定界面、地区、模型和时间条件下的 AI 回答观察”，不是跨平台通用排名。

最小采样方案

建议跨 2–3 个时段运行，并保留 3–5 个未干预对照问题。实际方案要结合调用成本和业务风险，不盲目扩大样本。

必须控制的条件

• 问题文本及问题集版本；
• 自然、引用诊断与意图变体面板；
• 数据提供方、产品界面和模型版本；
• 国家、语言、时区和近似地点；
• 新会话或明确的会话状态；
• 基线和复测的时间块；
• 重试规则和失败处理。

报告方式

单题优先报告原始次数，例如“10 次回答中 4 次出现该主张”。汇总时展示样本量和区间，不使用没有业务解释的两位小数排名。

跨平台结果分面展示，因为不同 API、网页端和模型产品的检索能力与用户体验不同。任何综合指数都必须说明公式、用途和限制，首版默认不提供跨平台总分。

对照与变化

对照问题帮助识别平台整体变化。如果干预问题提升，但对照问题同期提升相同幅度，只能说明发生了同步变化，不能将全部结果归因于本轮动作。

不可变快照

原始响应先落不可变存储，再进行解析。后续解析器升级可以重新计算观察指标，但不能改写历史原文。每个报告结论都必须能点回精确问题、原始回答、来源和运行条件。