让模型比较备选方案时，应要求它把“结论—依据—来源—限制”逐项绑定，而不是只在文末堆一串链接。每个关键判断都要附上可定位的原文或数据；找不到证据时，明确写“未找到”，不要自行补全。
OpenAI 提醒，ChatGPT 有时会生成错误或误导性内容，因此重要信息需要从可靠来源核实。涉及数据分析时，还应在依赖结果前检查生成的代码、输出和假设。
一份可直接使用的比较指令
请比较方案 A 和方案 B，并按下列规则输出：
- 先列出比较目标、评价标准及其确定依据，不要看完结果后再临时修改标准。
- 逐项给出判断，并在每个判断后紧跟对应证据，不要把来源统一堆在文末。
- 对每条证据列出来源名称、文件或页面标题、发布日期或版本，以及页码、章节、段落或网址等定位信息。
- 区分来源直接陈述的内容、你根据多项资料作出的推断，以及尚未验证的假设。
- 涉及数字时，保留原始单位、时间范围和统计口径，并说明不同方案的数据是否能够直接比较。
- 同时列出支持证据、反对证据、来源之间的冲突和仍然缺失的信息。
- 没有可靠证据时写“未找到”；无法访问或定位来源时写“无法核验”，不要生成看似真实的引文或链接。
- 证据不足时不要强行排名，改为说明在什么条件下可能得出某种判断。
最后再给出条件式结论，并逐条说明该结论受哪些假设和证据缺口影响。
这套指令的重点，是让模型说明证据如何支持结论。只有来源名称，没有原文位置、数据口径或对应关系，读者仍然无法核查。
要求模型把事实与推断分开
比较结果中至少应包含以下几类信息：
| 内容 | 模型需要说明的问题 |
|---|---|
| 比较标准 | 为什么用这些标准？标准来自哪里？ |
| 直接证据 | 来源具体说了什么？能否定位到原文或数据？ |
| 模型推断 | 哪几项证据合在一起支持这个判断？ |
| 限制 | 证据适用于什么范围？有哪些例外或缺失？ |
| 冲突信息 | 是否存在相反证据、版本差异或口径不一致？ |
| 结论 | 这是来源明确支持的事实，还是基于假设的建议？ |
模型自己生成的摘要不等于独立来源。如果某个判断只能追溯到模型的上一轮回答，应继续要求它提供更早的原始材料。
收到比较结果后，逐项核查
先确认来源是否真实存在，再查看它是否支持对应判断。不要只核对措辞，还要看上下文、适用范围和发布时间。比较两个方案时，也要确认它们是否使用相同的时间范围、单位、评价口径和约束条件。
对于定量比较，可以继续要求模型展示关键计算过程、输入数据、代码、输出结果和所作假设。OpenAI 在数据分析说明中明确建议，在依赖结果前审查这些内容。这样才能判断差异来自方案本身，还是来自数据处理和计算过程。
发现引文无法定位、数字没有口径、结论与证据不匹配，或模型把推断写成事实时，应要求它重新标注。仍无法解决的缺口，应保留为“未查到”或“无法核验”，而不是自行补齐。
哪些结论仍需自己确认
模型的比较可以帮助整理材料和暴露矛盾，但不能代替原始材料。涉及费用、合同义务、法律监管、资质认证或重要结果承诺时，应回到当前有效的一手文件逐字核对。
尤其要确认三件事：证据是否支持结论、证据是否适用于当前情境、模型是否把不确定性隐藏成了确定答案。这三项没有核实前，比较结果只能作为线索，不能作为最终依据。