數字人文與 RAG
如何評估一個易經垂類模型是否可靠
垂類模型不能只展示幾段漂亮回答。真正的評估要覆蓋檢索、引用、版本、概念和安全邊界，並保留失敗樣本，才能判斷系統是否比通用模型更適合易學研究。
本站內容原則高校與項目事實依公開資料呈現；學者觀點以可核實材料為準；跨領域應用與工程方案由本站負責分析。
Research Basis
研究依據
目前公開資料確認「運乾」等平台模塊的存在，但尚缺完整公開基準。NIST 風險管理框架提醒，AI 評估應結合有效性、可靠性、透明度和責任，而不是只看用戶感受。
Core Argument
核心分析
建議指標包括原文召回率、引用可追溯率、人物與書名錯配率、版本區分率、無依據引文率、分歧呈現率及高風險越界率。測試題由學者和工程人員共同設計，模型版本更新後重跑。
Implementation
如何落到研究與產品
本站對外不替任何模型發布排名，而是用這套指標幫助讀者理解什麼叫「專業」。文章中的技術主張也接受同樣檢查：有來源、有邊界、有可觀察結果。
Reader Value
這對讀者有什麼價值
讀者由此能超越模型名稱和宣傳語，關注真正影響答案品質的能力。