Nguồn gốc thông tin & tổng hợp đa nguồn

Những điều bạn cần biết

Nguồn gốc thông tin (information provenance) — biết mỗi khẳng định đến từ đâu và bạn nên tin tưởng nó đến mức nào — là điều tạo nên sự khác biệt giữa một hệ thống nghiên cứu tạo ra đầu ra đáng tin cậy và một hệ thống chỉ tạo ra thứ hư cấu nghe có vẻ hợp lý. Đề thi kiểm tra sự hiểu biết của bạn về cách thức attribution (quy kết nguồn) tồn tại qua (hoặc mất đi trong) các pipeline tổng hợp đa agent, cách xử lý các nguồn mâu thuẫn nhau, và cách bối cảnh thời gian ngăn ngừa những mâu thuẫn giả.

Ánh xạ khẳng định-nguồn có cấu trúc

Mọi phát hiện trong một hệ thống nghiên cứu đa agent phải mang theo nguồn gốc của nó. Đây không phải là metadata tùy chọn — đó là sự đảm bảo mang tính cấu trúc rằng đầu ra cuối cùng có thể được truy vết ngược về các nguồn cụ thể. Mỗi phát hiện phải bao gồm:

• Khẳng định (claim): Nhận định cụ thể đang được đưa ra
• URL nguồn: Nơi thông tin được tìm thấy
• Tên tài liệu: Tiêu đề của tài liệu nguồn
• Đoạn trích liên quan: Đoạn văn cụ thể hỗ trợ cho khẳng định
• Ngày xuất bản: Khi nguồn được xuất bản hoặc dữ liệu được thu thập

jsonCopy

{
  "claim": "Global renewable energy investment reached $495 billion in 2023",
  "sourceUrl": "https://example.com/iea-report-2024",
  "documentName": "IEA World Energy Investment Report 2024",
  "relevantExcerpt": "Total investment in renewable energy technologies reached approximately $495 billion in calendar year 2023, representing a 17% increase over 2022.",
  "publicationDate": "2024-06-15"
}

Thách thức mấu chốt là attribution mất đi trong quá trình tóm tắt. Khi một agent tổng hợp kết hợp các phát hiện từ nhiều subagent, nó tự nhiên sẽ nén và diễn giải lại. Không có hướng dẫn rõ ràng để bảo toàn ánh xạ khẳng định-nguồn, bản tổng hợp sẽ tạo ra những câu như "Đầu tư vào năng lượng tái tạo đã tăng trưởng đáng kể" — không số liệu, không nguồn, không ngày tháng.

Các agent hạ nguồn phải bảo toàn và hợp nhất ánh xạ khẳng định-nguồn một cách rõ ràng qua quá trình tổng hợp. Điều này đòi hỏi:

1. Subagent xuất ra các phát hiện theo định dạng khẳng định-nguồn có cấu trúc.
2. Agent tổng hợp được chỉ dẫn để duy trì các ánh xạ này khi kết hợp các phát hiện.
3. Đầu ra cuối cùng bao gồm trích dẫn nội tuyến hoặc một mục tài liệu tham khảo có cấu trúc, truy vết mỗi khẳng định về nguồn của nó.

Xử lý mâu thuẫn

Khi hai nguồn đáng tin cậy báo cáo các số liệu thống kê khác nhau cho cùng một chỉ số, agent tổng hợp phải đối mặt với một quyết định quan trọng. Cách tiếp cận sai — và cũng là cách mà đề thi kiểm tra — là tùy tiện chọn một giá trị.

Ví dụ: Nguồn A báo cáo tăng trưởng thị trường 12%. Nguồn B báo cáo tăng trưởng thị trường 8%. Cả hai đều là ấn phẩm đáng tin cậy.

Cách tiếp cận sai: Chọn nguồn gần đây hơn, hoặc lấy trung bình các giá trị, hoặc chọn giá trị từ nhà xuất bản có uy tín hơn.

Cách tiếp cận đúng: Ghi chú cả hai giá trị kèm đầy đủ thông tin quy kết nguồn. Để người đọc tự quyết định.

markdownCopy

Market growth estimates vary by source:
- **12% growth** — IEA World Energy Report (published June 2024, using 2023 calendar year data)
- **8% growth** — Bloomberg NEF Annual Review (published March 2024, using July 2022–June 2023 data)
 
The difference may reflect different reporting periods and methodological approaches.

Điều này bảo toàn bức tranh toàn cảnh. Người đọc có thể thấy cả hai giá trị, hiểu được các nguồn, và tự đưa ra phán đoán về giá trị nào liên quan hơn đến nhu cầu của họ. Việc tùy tiện chọn một giá trị sẽ phá hủy thông tin và tạo ra một sự chắc chắn giả tạo.

Nhận thức về thời gian

Những ngày xuất bản khác nhau lý giải cho những con số khác nhau. Đây không phải là một mâu thuẫn — đó là bối cảnh thời gian cần được bảo toàn.

Xét hai nguồn:

• Nguồn A (xuất bản 2023): báo cáo tăng trưởng 8%
• Nguồn B (xuất bản 2024): báo cáo tăng trưởng 12%

Không có ngày xuất bản, hai con số này trông có vẻ mâu thuẫn. Có ngày xuất bản, chúng kể một câu chuyện: tăng trưởng đã tăng tốc từ 8% lên 12% trong giai đoạn được đo lường. "Mâu thuẫn" đó thực ra là một xu hướng.

Yêu cầu ngày xuất bản/thu thập dữ liệu trong mọi đầu ra có cấu trúc. Đây không chỉ là sự gọn gàng của metadata — đó là điều thiết yếu để diễn giải chính xác. Không có bối cảnh thời gian, các xu hướng hợp lệ bị diễn giải sai thành vấn đề chất lượng dữ liệu, và agent tổng hợp có thể gắn cờ hoặc loại bỏ sai những phát hiện thực ra vẫn nhất quán.

Subagent phải bao gồm những ngày tháng này trong đầu ra có cấu trúc của mình. Agent tổng hợp phải bảo toàn chúng qua quá trình hợp nhất. Và đầu ra cuối cùng phải trình bày chúng cùng với dữ liệu mà chúng mô tả.

Hiển thị phù hợp với nội dung

Các loại nội dung khác nhau đòi hỏi các định dạng trình bày khác nhau. Đề thi kiểm tra xem bạn có hiểu rằng việc tổng hợp không nên làm phẳng mọi thứ thành một định dạng đồng nhất hay không:

Dữ liệu tài chính → Bảng. Số liệu, so sánh, và xu hướng dễ đọc nhất khi ở dạng bảng. Việc ép dữ liệu tài chính vào các đoạn văn xuôi khiến việc so sánh giá trị và phát hiện mẫu hình trở nên khó khăn hơn.

Tin tức và sự kiện thời sự → Văn xuôi. Bối cảnh tường thuật, các mối quan hệ nhân quả, và diễn biến theo trình tự thời gian đọc tự nhiên hơn khi ở dạng đoạn văn.

Phát hiện kỹ thuật → Danh sách có cấu trúc. Các mẫu hình kiến trúc, đặc tả API, và các tùy chọn cấu hình rõ ràng nhất khi ở dạng danh sách gạch đầu dòng hoặc đánh số với thứ bậc rõ ràng.

Ép buộc mọi nội dung vào một định dạng duy nhất — toàn bảng, hoặc toàn văn xuôi, hoặc toàn danh sách — làm giảm khả năng đọc và hiểu. Agent tổng hợp nên chọn định dạng hiển thị phù hợp dựa trên loại nội dung.

Bảo toàn attribution qua tổng hợp nhiều bước

Trong một pipeline đa agent, attribution phải tồn tại qua mọi bước:

1. Subagent nghiên cứu thu thập các phát hiện kèm ánh xạ khẳng định-nguồn.
2. Subagent phân tích đánh giá các phát hiện và bổ sung nhận định, bảo toàn các ánh xạ ban đầu.
3. Subagent tổng hợp kết hợp các phát hiện từ nhiều agent, hợp nhất các ánh xạ.
4. Tạo báo cáo sản xuất đầu ra cuối cùng kèm trích dẫn nội tuyến.

Ở mỗi bước, đều có rủi ro mất attribution. Điểm thất bại phổ biến nhất là bước 3, nơi agent tổng hợp kết hợp và diễn giải lại các phát hiện mà không mang theo các ánh xạ nguồn. Prompt của agent tổng hợp phải yêu cầu rõ ràng rằng mọi khẳng định trong đầu ra của nó phải có thể truy vết về một nguồn cụ thể.

Báo cáo nên bao gồm các mục rõ ràng phân biệt giữa những phát hiện đã được xác lập vững chắc và những phát hiện còn gây tranh cãi, bảo toàn cách mô tả nguồn ban đầu và bối cảnh phương pháp luận. Một phát hiện được hỗ trợ bởi ba nguồn độc lập khác với một phát hiện dựa trên một báo cáo duy nhất, ngay cả khi cả hai được trình bày với mức độ tin cậy như nhau trong văn bản.

Hoàn thành phân tích với các mâu thuẫn còn nguyên vẹn

Khi việc phân tích tài liệu gặp phải các giá trị mâu thuẫn, agent phân tích phải hoàn thành công việc của mình với các mâu thuẫn được giữ nguyên và ghi chú rõ ràng. Nó không nên tự giải quyết mâu thuẫn — quyết định đó thuộc về bộ điều phối hoặc người đọc.

jsonCopy

{
  "field": "annualRevenue",
  "conflictDetected": true,
  "values": [
    {
      "value": "$4.2M",
      "source": "Annual Report 2023",
      "context": "Audited financial statements, fiscal year ending December 2023"
    },
    {
      "value": "$3.8M",
      "source": "SEC Filing Q4 2023",
      "context": "Preliminary unaudited figures, calendar year 2023"
    }
  ],
  "possibleExplanation": "Difference may reflect audited vs preliminary figures and fiscal vs calendar year reporting periods"
}

Bộ điều phối sau đó có thể quyết định cách xử lý mâu thuẫn: trình bày cả hai giá trị, khảo sát thêm, hoặc leo thang lên một nhà phân tích con người.

Bẫy thi

Tình huống luyện tập

Không tìm thấy câu hỏi luyện tập "q-5-6-001".

Bài tập thực hành

Nguồn tham khảo

• Claude Certified Architect Foundations Exam Guide — Domain 5, Task Statement 5.6 — Anthropic
• Anthropic Multi-Agent Research Patterns — Anthropic
• Anthropic Prompt Engineering — Citation and Attribution — Anthropic