大模型生成结果验收规范

版本：1.0
适用范围：大模型生成的文章、说明文档，以及 UI 页面与交互流程。
验收方式：以目标受众的疑问发现问题，以可验证的证据确认修复。

大模型生成的结果，即使语言流畅、界面整齐，也可能让读者无法理解关键概念，让访问者找不到入口，或让用户在需要作出决定时缺少必要信息。

本规范将“从受众角度提出问题，再根据问题修改结果”转化为一套可执行、可复核的验收流程：

生成初稿 → 模拟受众提问 → 判断问题是否成立 → 针对性修订 → 验证修复 → 给出验收结论。

本文是一套实践工作规范，不是行业认证标准。其中的等级与通过条件可根据项目调整，但应在评审前确定，不能为了让结果通过而临时降低要求。

一、验收目标

验收应围绕成品对目标受众的实际作用展开：

不同成品可以采用不同目标。观点文章重点检查理解与论证；操作教程还应检查可执行性；产品页面应检查信息判断和行动入口。

验收对象必须是最终交付形态。 文章应检查完整正文及其实际呈现；UI 应检查渲染后的页面，并根据验收范围操作相关流程。只阅读生成提示词或源代码，不足以完成受众视角验收。

二、验收前确定范围

每次验收至少记录以下信息：

例如：

面向第一次接触产品的个人用户。用户应在两分钟内理解产品用途，判断是否值得试用，并找到试用入口。本页面不负责解释企业采购流程。

“两分钟”在这里是待测试的项目目标。未经计时观察，不能仅凭 AI 判断就认定已经达成。

影响核心目标的信息缺失时，应标记为“待确认”；非关键缺失可以采用明确记录的假设。范围外问题可以作为后续建议，但不应直接导致本次验收失败。

三、角色与信息边界

验收分为三个职责，可以由同一个模型分步骤承担，也可以由不同评审者承担：

受众评审者必须遵守以下规则：

1. 只使用受众实际可见的信息和已定义的背景知识。
2. 不利用作者的创作过程、隐藏说明或实现意图补全缺失信息。
3. 不把自己理解作者意图，等同于目标用户能够理解成品。
4. 不为凑数量制造问题，不将个人审美偏好直接判定为缺陷。
5. 明确区分观察事实、推测的用户影响，以及尚未验证的事项。

独立会话可以减少创作上下文的影响，但更换会话或模型不代表评审天然可靠。AI 提出的用户疑问，应视为需要检查的假设。

四、有效问题的记录要求

每个验收问题必须具有可定位、可解释、可复核的依据：

例如：

编号： A-03
位置： 第三段第二句
用户疑问： “效率提升 40%，是和什么相比？”
观察依据： 原文提供了比例，没有提供比较对象或来源。
用户影响： 读者可能高估收益，无法判断是否适用于自己。
等级： 重要
处理： 核验并补充比较对象与来源；无法核验时删除具体比例。
复核标准： 比较关系清楚，结论与来源一致，或不再使用无依据的数字。

以下反馈不能直接作为修订要求：“逻辑不好”“不够高级”“页面不够直观”。它们必须进一步转化为具体疑问和实际影响。

提出问题后，还要检查成品是否已在合理位置提供答案。如果答案存在，应判断是入口、顺序或显著性有问题，还是评审者遗漏阅读，避免重复补充信息。

五、文章验收要求

文章应按实际阅读顺序检查：

修订应采用能解决问题的适当方式，包括补充说明、增加例子、调整顺序、删除重复内容、收窄结论或替换模糊表达。

增加篇幅不自动代表质量提高。 每项新增内容都应服务于目标读者的实际问题，不能为了回答所有可能的疑问，把文章扩展到原定范围之外。

涉及数据、引用、因果关系等事实性问题时，应使用可靠资料核验。修订过程中不得为使内容完整而编造出处、数字或案例。

六、UI 验收要求

UI 验收必须绑定具体任务，例如“选择套餐并开始试用”。评审沿任务路径进行：

视觉模型应查看实际渲染结果，并指出对应区域。评审时应说明所检查的页面状态与视口；项目要求覆盖移动端时，不能仅凭桌面截图通过。

验证材料决定结论范围：

如只提供截图，结论应标注为“视觉与信息层面验收”，并列出交互未验证项。截图中的按钮存在，不代表按钮功能正常。

若无障碍属于项目的必达要求，应按相应要求检查键盘操作、焦点、语义等内容；视觉评审只能覆盖其中一部分。

七、问题分级

严重程度必须结合受众、任务和后果判断。同一个术语对专业读者可能无需解释，对新手教程则可能构成重要障碍。

AI 可以建议等级，但不能代替交付负责人接受已知的重要问题。

八、修订与复核流程

第一步：记录初稿与验收基线

保留本轮待验收版本，记录目标受众、核心任务、范围和必达要求，以便比较修订前后的变化。

第二步：模拟受众提问

沿阅读顺序或操作路径记录问题。优先发现影响理解与任务完成的障碍，不预设必须发现多少个问题。

第三步：筛选与分级

逐项检查问题是否有依据、是否在范围内、是否与其他问题重复，并确定严重程度。对不成立或不采纳的问题说明理由。

第四步：针对性修订

先修复阻断和重要问题。每项修改应对应一个明确问题或原始要求，避免在修复过程中加入无关改动。

第五步：逐项复核

用原问题重新检查修改后的成品：

• 原疑问是否已得到解决？
• 答案或入口是否出现在用户需要的位置？
• 修改是否符合原始要求？
• 是否有足够证据支持“已解决”？

“已经改过”不能作为关闭问题的依据。

第六步：整体复核

重新通读文章或执行核心流程，检查修改是否引入矛盾、冗余、布局退化或新的操作障碍。必要时检查与改动直接相关的其他位置和路径。

第七步：给出结论

汇总问题状态、验证依据、遗留问题与适用范围。保留未验证项，不将其当作已通过项目。

九、通过条件与停止规则

本规范使用四种结论：

已发现阻断问题时，即使还有未验证项，也应给出“不通过”，同时列明后续需要验证的内容。

非关键的范围限制可以随结论一并说明；缺少关键验证不能用“有条件通过”绕过。若只验收截图，结论仅适用于截图可覆盖的范围。

不建议仅按总分判定通过。多个次要项目的高分，不能抵消核心流程失败或关键事实错误。

可以先安排一轮修订和一轮复核，再根据遗留问题决定是否继续。达到通过条件后停止，不追求“完全提不出问题”。连续修订仍无进展时，应重新检查需求、材料或问题判断，必要时引入真实用户反馈。

十、交付记录模板

每次验收至少提供以下记录：

验收对象与版本：
目标受众与核心任务：
验收范围及材料：
必达要求：
评审方式： AI 模拟受众／人工评审／真实用户测试／组合方式
验收结论： 通过／有条件通过／不通过／待验证
主要问题与处理结果：
验证依据：
遗留问题、接受人及处理安排：
未验证项与结论限制：

由 AI 模拟读者或访问者得出的结论，应明确标注为“AI 模拟受众验收”。即使没有发现问题，也只表示在本次范围和方法下未发现问题，不能据此宣称真实用户一定不会遇到困难。

十一、可直接复用的验收指令

请按照《大模型生成结果验收规范》检查以下成品。

目标受众：[填写受众及其背景知识]
使用情境：[填写]
核心目标与任务：[填写]
内容边界：[填写]
必须满足的约束与通过条件：[填写]
验收材料及版本：[提供正文、截图或可操作界面]

请按顺序执行：

1. 检查输入是否足够。记录必要假设；缺少关键材料时标记待验证。
2. 作为目标读者或访问者，沿阅读顺序或操作路径提出具体疑问。
   只使用受众可见的信息，不用创作过程或隐藏说明补全成品。
3. 每个问题记录位置、用户疑问、观察依据、影响和严重程度。
   区分事实与推测，不凑问题数量，不把偏好当作缺陷。
4. 检查问题是否成立、是否在范围内，以及成品是否已提供答案。
5. 修复成立的问题，优先处理阻断和重要问题。
   可以补充、删减、重排或调整交互，不默认增加内容。
   不编造事实、数据、来源或验证结果。
6. 逐项验证原问题是否解决，并检查修改是否引入新问题。
   事实结论需核验；交互行为需实际测试。
7. 输出验收结论、修订后成品、主要问题及处理结果、
   验证依据、遗留问题和未验证项。

存在阻断问题时不得通过。
缺少关键验证证据时不得宣称完成验收。
重要问题未经交付负责人接受，不得自行有条件通过。
达到通过条件后停止，不为继续优化而制造新问题。

十二、方法依据与适用边界

这一流程与已有写作、可用性评估和大模型反馈研究相近：

• 读者导向写作： Linda Flower 在 1979 年讨论了如何将作者自身的表达转化为适合读者理解的结构与语言。它为本文的受众视角提供了相关思想基础。原论文
• 认知走查： 通过模拟用户完成任务，逐步检查目标、操作发现、理解和反馈，与本文的 UI 任务路径评审相近。方法说明
• Self-Refine： 2023 年研究探索了模型生成结果、提供反馈并据此迭代修订的流程。论文
• UI 自动反馈研究： 2024 年研究发现，大模型反馈能够帮助发现部分 UI 问题，但反馈实用性可能随迭代下降。论文
• 自我修正的限制： 2023 年针对推理任务的研究发现，缺少外部反馈时，模型自我修正可能无效，甚至降低表现。这提示我们要验证修改结果，不能将迭代次数当作质量证明。论文

这些研究支持相关方法的讨论，并不直接验证本规范全部条款的效果。本文规定的问题等级、通过条件和记录格式，是为了让工作流程可执行、可追踪而提出的实践约定。

验收的最终依据，是原有障碍是否得到解决，以及解决结果是否有证据支持。