纳米AI可信度评分由五维动态加权构成：一、事实一致性校验（权重0.35），基于NLI模型对原子主张与原始源的蕴涵判定；二、来源权威性（0.28），融合学科语义相似度与学术引用对数归一化；三、跨源共识度（0.22），要求地理与运营隔离的≥3个独立信源一致；四、时效衰减（0.15），依查询敏感等级动态扣减超时结果；五、人工校准锚点（动态叠加），匹配高置信纠错样本提升权重。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用纳米AI搜索时看到结果附带可信度评分，但不确定其计算逻辑是否可靠，则可能是由于该评分融合了多维度验证信号而非单一指标。以下是该评分体系的具体构成与验证方式：
一、事实一致性校验得分
该维度通过轻量级NLI（自然语言推理）模型对搜索结果中的每个主张与原始权威源片段进行三元关系判定（蕴涵/中立/矛盾），仅当主张被源文本明确支持时才计分。系统不依赖大模型自我验证，而是强制回溯至检索出的原始网页快照或结构化知识库条目。
1、提取结果中所有可验证的原子主张（如“会议于2025年9月12日召开”“主办方为IEEE通信学会”）。
2、将每个主张与对应检索文档的上下文段落输入NLI模型，获取蕴涵概率值。
3、设定阈值为0.82，低于该值的主张标记为“弱支持”，不计入本维度得分。
4、统计强支持主张数占总主张数的比例，乘以权重0.35得出该项子分。
二、来源权威性加权得分
该维度不采用静态域名白名单，而是动态计算每个引用源在当前查询主题下的领域适配度。系统调用嵌入向量比对技术，将检索文档的标题、摘要与维基百科对应学科分类页的语义向量进行余弦相似度计算，并叠加该域名近三年在Google Scholar被引频次的对数归一化值。
1、对每个引用链接提取HTML title与meta description字段。
2、调用学科感知嵌入模型，生成该字段向量及对应维基百科学科页向量。
3、计算余弦相似度，筛选相似度≥0.63的链接进入权威池。
4、查询该域名在Crossref中登记的近36个月学术论文引用总量，取log₁₀后线性映射至0–1区间。
5、两项结果相乘，再乘以权重0.28，得到来源加权子分。
三、跨源共识度得分
该维度检测不同独立信源对同一事实的交叉印证强度。系统排除来自同一媒体集团、共享CDN节点或具有相同SSL证书签发链的页面，确保信源物理隔离。仅当三个及以上地理分布分散（跨三大洲）、运营主体无关的页面同时包含相同数值型事实或事件要素时，才触发高共识标记。
1、解析全部检索结果URL的ASN编号、WHOIS注册邮箱域名、SSL证书颁发机构字段。
纳米AI是一款基于人工智能大模型技术开发的智能应用工具，主要用于提供AI问答、内容生成、信息整理与智能搜索辅助等功能。用户可通过自然语言交互方式获取结构化信息与文本内容，用于学习、办公及内容创作等多种场景。
2、聚类出物理关联组，每组最多保留一个代表链接。
3、对数值型事实（如日期、金额、百分比）执行字符串精确匹配，对事件要素（如人物、机构、地点）执行标准化实体消歧后匹配。
4、统计达成一致的独立信源数量，3个得满分0.22，2个得0.11，1个得0。
四、时效敏感性衰减得分
该维度针对时间敏感型查询（如政策条款、股价、赛事结果）实施动态时效惩罚。系统依据查询意图识别模块输出的“时效敏感等级”（0–3级），对超过基准时效窗口的结果自动扣减分数。例如，查询“2026年北京空气质量实时数据”被判定为3级敏感，窗口设为120分钟；而查询“牛顿运动定律”为0级，不衰减。
1、调用意图识别模型判断查询的时效敏感等级。
2、读取每个结果页面HTTP响应头中的Last-Modified时间戳，无则回退至网页内显式时间标识符（如“截至2026年5月19日”）。
3、计算当前时间与该时间戳的差值，对照等级对应窗口执行线性衰减函数。
4、衰减后剩余比例乘以权重0.15，得出时效子分。
五、人工校准锚点对齐得分
该维度引入动态黄金标准集进行在线校准。系统每日从真实用户纠错行为中抽样127个高置信度修正案例（如用户点击“此结果有误”并手动输入正确答案），构建微型锚点库。每次搜索运行时，将结果与锚点库中语义相近查询的历史修正项进行Bi-Encoder向量匹配，若存在≥0.78相似度的锚点，则直接注入修正信号并提升对应结果的可信度权重。
1、监听用户对结果的显式纠错动作（含“报告错误”按钮点击及后续文本提交）。
2、过滤出经后台三重验证确认的修正样本，加入当日锚点池。
3、对当前查询编码生成向量，与锚点池中全部向量计算相似度。
4、若最高相似度≥0.78，则将对应锚点的修正置信度（0.92–0.99）作为加权系数，叠加至该结果的最终可信度分中。
