Modstridende data og datoer

Grundreglen er: annoter modstridende statistikker i stedet for at vælge én vilkårligt. Når kilder er uenige, må systemet IKKE reducere dem til en enkelt "vinder" ved lodtrækning, overdreven vægtning af aktualitet eller ved at vælge det svar, som den senest svarende underagent gav.

Vis i stedet begge påstande side om side, hver med kilde og dato, og markér tydeligt, at de er i konflikt. Modellens opgave er at synliggøre uenigheden med tilstrækkelig kontekst til, at et menneske kan træffe afgørelsen — ikke at skjule den.

Her er denne lektions vigtigste pointe: Mange "modsigelser" er slet ikke modsigelser — de er to korrekte øjebliksbilleder fra forskellige tidspunkter.

"Omsætningen er 4,2 mia. dollar" (regnskabsåret 2023) og "Omsætningen er 5,1 mia. dollar" (regnskabsåret 2025) er ikke i konflikt. Begge udsagn er sande på deres respektive datoer. Når du knytter udgivelsesdato og skæringsdato til hver påstand, opløses den tilsyneladende modsigelse til en tidslinje. Derfor er udgivelsesdatoen et centralt felt i proveniensen.

For at gøre konfliktannotering pålidelig skal du tvinge modellen til at bruge et JSON Schema via tool_use. Det eliminerer syntaksfejl og håndhæver obligatoriske felter. En konfliktregistrering bør indeholde hver påstand med dens værdi, kilde og dato — samt en løsningsnote.

Indstil tool_choice: "any", når du skal garantere struktureret output (modellen skal kalde et eller andet værktøj i stedet for at svare med fri tekst).

En subtil, men eksamensvigtig regel for skemaer er: Markér kun et felt som obligatorisk, hvis det altid er til stede. Hvis en kilde reelt mangler en udgivelsesdato, må du IKKE gøre published obligatorisk — et obligatorisk, men manglende felt får modellen til at opfinde en dato, hvilket ubemærket ødelægger din datobaserede løsning.

I konfliktens skema ovenfor er metric og claims obligatoriske; resolution og udgivelsesdatoen published for hver påstand er valgfrie. En ærlig null-værdi er bedre end en hallucineret dato.

Det betyder noget, hvordan du instruerer modellen. "Vær forsigtig med modstridende data" er vagt og inkonsekvent. Et eksplicit kriterium er langt stærkere:

• "Markér kun to værdier som modstridende, når de beskriver den samme måling for den samme entitet."
• "Sammenlign deres skæringsdatoer, før du markerer dem; hvis datoerne er forskellige, skal du behandle dem som en tidsserie og ikke som en modsigelse."

Eksplicitte, testbare kriterier giver gentagelig registrering af konflikter. Vage tillægsord gør ikke.

Konflikt kontra tidslinje er netop den slags tvetydighed, hvor 2–4 målrettede få-skuds-eksempler gør stor forskel. Modellen generaliserer ud fra dem — den husker ikke bare de konkrete tal.

Giv ét eksempel på en reel konflikt (samme dato, forskellige værdier → markér den) og ét eksempel på en datoløst ikke-konflikt (forskellige datoer → rapportér den som en tidslinje). Modellen lærer beslutningsgrænsen og anvender den på ukendte målinger.

Lange researchkørsler bliver opsummeret, så de passer i kontekstvinduet — og progressiv opsummering gør tal, procenter og datoer vage. "Udgivet i begyndelsen af 2026" er ubrugeligt, når hele løsningen afhænger af første kvartal kontra tredje kvartal.

Løsningen er at hente transaktionelle fakta — nøjagtige værdier, kilder og datoer — ind i en separat blok med "sagsfakta", der bevares ordret uden for opsummeringen. Opsummér brødteksten, men opsummér aldrig de datoer, du skal bruge til at løse konflikter.

For at opdage konflikter mekanisk skal du få modellen til at udtrække konkurrerende værdier eksplicit i stedet for at udsende ét sammenblandet tal. Ved udtrækning er dette mønstret calculated_total over for stated_total; i research er det værdi fra kilde A over for værdi fra kilde B.

Når begge værdier er synliggjort som særskilte felter, kan en validator i Pydantic-stil sammenligne dem, opdage uoverensstemmelsen og udløse vejen til konfliktannotering — uden lydløs middelberegning.

Når konflikter er annoteret, og datoerne er afstemt, skal du præsentere resultatet, så et menneske hurtigt kan træffe afgørelsen. Tilpas gengivelsen til indholdstypen:

• Tabeller til økonomiske tal og konkurrerende numeriske påstande — én række pr. kilde og kolonner for værdi, kilde og dato.
• Brødtekst til nyheder og fortællende kontekst.
• Lister til tekniske fund.

En tabel med oplysningerne side om side gør en konflikt på samme dato tydelig, og en datoordnet tabel afslører straks en tidslinje — så rå proveniens bliver til en oversigt, der er klar til menneskeligt tilsyn.

Vigtigste pointer om modstridende data og proveniens:

• Annoter, afgør ikke — synliggør modstridende påstande med kilder; vælg aldrig én i stilhed.
• Datoer løser tilsyneladende modsigelser — forskellige skæringsdatoer betyder en tidslinje, ikke en konflikt.
• Proveniens er obligatorisk — bevar tilknytninger mellem påstand og kilde med URL, citat og udgivelsesdato.
• Bevar datoer ordret i en separat blok med sagsfakta; opsummering gør datoer vage.
• Gør ikke manglende felter obligatoriske — en valgfri null-dato er bedre end en opdigtet dato.
• Gengiv efter type — brug tabeller til tal, så konflikter og tidslinjer er tydelige for den menneskelige kontrollant.