edgepedia

Edgepedia

Edgepedia 条目的质量保证

2026年11月1日,我们发布了 Edgepedia v1.9,使 Edgepedia 的条目总数达到约52万篇。和朋友聊天时,常常有人问起两个问题:“为什么不直接用维基百科?”以及“你们怎么确定自己造出来的不是 AI 垃圾内容?”这两个问题都问得好,也都在理。我想在这里谈谈自己的回答,因为我们希望赢得社区的信任,也希望借助大家的反馈,让 Edgepedia 变得更好、更有用。

我们为什么需要 Edgepedia

先说说 Edgepedia 的由来。我们正在开发 EdgeChat,希望让世界各地的普通用户都能用上本地 AI,满足四项基本需求:

  1. 即使没有互联网,也能使用 AI,比如在飞机上。
  2. 将 AI 聊天记录保存在本地,保护隐私,比如病情和财务细节。
  3. 不会因为模型退役而失去自己的 AI 伙伴,比如 ChatGPT 4o。
  4. 不必按用量支付昂贵的词元费用。

我们的第一版 EdgeChat 原型在内存不低于16 GB 的 MacBook Pro 上运行得很好,但随后我们发现,绝大多数人都想通过智能手机使用 EdgeChat——根据我们的数据分析,这一比例超过97%。iPhone 和安卓手机通常只有6 GB 内存,因此我们不得不换用更小的大语言模型。这一更换使 AI 的表现和用户体验大打折扣:面对用户的问题,大语言模型开始产生幻觉,编造出五花八门的答案。其实,在与人打交道这方面,小模型做得不错:它们能理解人,回答也很温暖。可一到事实问题上,它们就含糊了。问小模型某项技术是谁发明的,或某份条约是哪一年签署的,它每次给出的答案都可能不一样。

我们的解决办法是,把“左脑”的事实知识与“右脑”对用户意图的理解分开。我们不再依赖模糊的预训练数据,而是让 AI 使用本地百科全书,通过检索查找事实。只要查到了正确的条目,猜测就有了可引用的依据。

为什么不直接用维基百科?

在开发 EdgeChat、希望找到一个可靠的事实来源作为依托时,我的第一反应也是如此。维基百科约有700万篇英文条目,其中约300万篇不是小作品,且篇幅超过300词。在 AI 预训练中,维基百科条目的权重一向会被调高,可见其内容质量普遍受到认可。不过,我自己很清楚,由于维基百科条目由志愿者主导编写和维护,其中存在大量内容空白。举一个具体的例子:我的朋友普拉尚特·马利(Prashant Mali)是加利福尼亚大学圣迭戈分校的教授,在谷歌学术上的引用次数超过3万次,还联合创办了两家初创公司,每家融资都超过1亿美元,却没有维基百科条目。进一步查看科学家和工程师的收录情况后,我发现,美国国家工程院有40%的院士没有维基百科页面。当条目由社区自发的兴趣推动,而非系统规划时,出现这种现象完全在意料之中。

构建 Edgepedia

于是,我们着手打造自己的百科全书 Edgepedia,不仅是为了提高 EdgeChat 回答的准确性,也希望为其他个人和团队提供一套事实准确度高的参考资料。构建 Edgepedia 时,我们遵循三项原则:

  1. 依据量化指标决定收录哪些条目主题,例如科学家的引用次数、获得的科研资助和奖项。
  2. 采用宽松的社区许可条款,鼓励所有用户使用 Edgepedia,无论是人类还是 AI。
  3. 持续主动维护 Edgepedia,增添新条目,并在发现某类错误时进行系统性修正。

对于许多主题并非主要涉及美国或西欧的 Edgepedia 条目,我们会使用主题所属地区的本土语言进行检索。例如,为了查找宋朝皇帝和官员的历史,我们检索了中国的《二十四史》。世界上大部分历史的一手记录从来就不是用英语写成的,这种做法大幅提升了我们所写条目的覆盖面和细节丰富程度。

有一个重要环节,我们必须拿出自己的判断,那就是类别平衡。例如,生物医学领域的引用量远远高于数学和物理学,因此,如果按照总引用次数或 h 指数给科学家排序,数学家和物理学家的代表性就会严重不足。简单的数量统计,衡量的是一个领域发表了多少文献,而不是一个人在该领域有多重要。同样,在中国历史中,如果依据通俗历史读物中被提及的次数排序,清朝人物所占的比重就会高得离谱,甚至连岳飞这样的民族英雄,其权重都会被严重低估。

我们设计条目类别平衡方案的方法,是人工阅读我或团队十分熟悉的主题,从中提炼原则。面对一份当代科学家名单,我基本能够看出排序算法哪里不对,并告诉我的 AI 合作者兼共同作者 Cece;随后,我们反复调整那个往往并非线性的公式,让排序看起来更合理。Cece 重新排序的速度足够快,我们可以趁判断还鲜明时马上核查。

和任何严谨的科学研究一样,我们必须确保自己没有钻规则的空子。一个公式,如果一直调整到它在我们熟悉的领域里符合我们的判断,那么无论它本身好不好,在这些领域里都会符合我们的判断。严谨的科学要求我们另留一个领域,绝不用于调参。将提炼出的排名和排序原则应用到其他领域时,我通常会查看一个自己略有了解的“留出”领域,比如天文学。这样,当我们为相对陌生的主题——例如中东历史上的领袖人物——确定收录标准和门槛时,至少有信心不会偏得太远。

主题树

写完这些条目之后,我们开始考虑,怎样才能让人类和 AI 用户最方便地浏览它们。按条目名称和关键词搜索,既容易实现,也顺理成章,但我们觉得,应该有一种更好的结构化方式,按主题组织 Edgepedia 条目,让彼此密切相关的主题更容易被检索出来。我们借鉴麦肯锡的方法,构建了一棵 MECE(相互独立、完全穷尽)主题树,从七个最高层级的主题节点开始:

  1. 物质世界与数学
  2. 生命与健康
  3. 地点与地理
  4. 技术与人造世界
  5. 社会与历史
  6. 艺术与文化
  7. 体育、游戏与休闲

在此基础上,我们不断将每个节点细分为多个子节点。如今,整棵树共有43,190个节点,最深达到11层,每个节点直接容纳的条目均不超过100篇。举例来说,玛丽·居里(Marie Curie)位于“物质世界与数学 › 物质科学与数学领域科学家 › 化学家 › 核化学家与放射化学家”之下,与欧内斯特·卢瑟福(Ernest Rutherford)、奥托·哈恩(Otto Hahn)同处一个叶节点。相邻的叶节点则分别收录了晶体学家中的多萝西·霍奇金(Dorothy Hodgkin),以及光化学家中的乔治·波特(George Porter)。

主题树能帮助人类和 AI 查找“兄弟”与“堂亲”条目,也就是共享父节点或祖父节点的叶节点。对于上下文窗口有限的小模型而言,三个真正相关的相邻条目,比三十个只有松散联系的条目更有价值;沿着面包屑导航逐级查找,就能省去十几次关键词搜索。

目前,在一棵树中,每篇条目都恰好落在一个叶节点上,不过我们有两棵不同的树。除了主题树,还有一棵地理树,先按地理区域、再按时代排序,目的是帮助检索人物和历史。在区域和时代之下,再按主题分类。因此,韩琦位于“中国 › 1000年至1799年 › 北宋 › 政治家与文官”之下,与王安石、范仲淹相邻。

衡量 Edgepedia 与维基百科的准确度

我们既是 Edgepedia 的作者,也开发使用 Edgepedia 内容的软件,因此,Edgepedia 条目的事实准确性对我们至关重要。我们不想批量制造垃圾内容,污染未来的 AI 数据集。我们的社区许可明确欢迎将内容用于 AI 训练,所以今天发布的一个错误,可能就会进入下一代模型。正因如此,每批条目发布时,我们都会执行一套严格的多轮审查流程。

每篇 Edgepedia 条目的写作过程,都被我们拆分为五步:(1)在线研究;(2)去重与裁决;(3)撰写;(4)自审;(5)独立多轮事实核查(由不同的 AI 系统完成)。我们禁止负责研究的 AI 使用维基百科、Grokipedia 或已有的 Edgepedia 条目作为来源,以免维基百科中的错误悄无声息地传入我们的文本。

我们最基本的一条验收标准是:Edgepedia 条目的事实准确性不能比维基百科差。根据由前沿 AI 模型担任评审、以盲评方式开展的内部校准,Edgepedia 条目的初稿通常与维基百科相当,每篇条目的实质性错误率约为1.8%。这个数字其实比听起来要好得多,因为每篇 Edgepedia 或维基百科条目通常包含约100项事实陈述,所以每项陈述的实际错误率约为万分之二。按同一定义衡量,Grokipedia 的实质性错误率超过20%。

敏锐的读者接下来可能会问,我们如何定义实质性错误。一个非英语姓名采用了不同的音译,有些人可能也会认为是错误,但我们认为这不具有实质性。对我们而言,错误是否具有实质性,要看它会不会改变读者对条目对象是什么、或为何重要的认识。在《霍比特人:史矛革之战》中,甘道夫(Gandalf)告诉矮人们“别走那条路”,就是实质性错误,因为那一幕的要点恰恰是,他叮嘱他们不要离开那条路。对于更偏重量化的读者,我们在内部也为实质性错误设定了一个凭“感觉”的量化尺度:“一项事实错误,上网核查过的读者中,超过80%会认为它具有实质性,超过50%会在意它。”

以下是我们在维基百科中发现的几个实质性错误,截至2026年11月2日,它们仍在线上版本中:(1)纽约州(New York)波基普西(Poughkeepsie)条目将化学家唐纳德·克莱因(Donald Klein)列为 MOSFET 的发明者,实际情况是,穆罕默德·阿塔拉(Mohamed Atalla)和姜大元(Dawon Kahng)于1959年在贝尔实验室发明了它,而克莱因参与共同开发的是后来的一项改进;(2)尸体条目称,列奥纳多·达·芬奇(Leonardo da Vinci)与安德烈亚斯·维萨里(Andreas Vesalius)合著了一本于1543年出版的解剖学著作,而那已是达·芬奇去世24年之后;(3)帕塔奇特拉画条目称,20世纪艺术家贾米尼·罗伊(Jamini Roy)开创了卡利加特画派,而实际上,该画派由19世纪加尔各答(Calcutta)的无名民间画家创立,当时罗伊尚未出生。

我们自己的 Edgepedia 初稿也曾包含实质性错误,如今均已更正。例如:(1)称谢莉·温特斯(Shelley Winters)“至今仍是唯一一位”两获奥斯卡最佳女配角奖的女性,而黛安娜·威斯特(Dianne Wiest)已于1995年第二次获奖,两人共同保持这一纪录;(2)将2017年世锦赛冠军归于跨栏运动员达莉拉·穆罕默德(Dalilah Muhammad)名下,实际上夺冠的是她的队友科里·卡特(Kori Carter),穆罕默德获得银牌;(3)称短吻针鼹与鸭嘴兽是仅存的两种卵生哺乳动物,而实际上共有五种:鸭嘴兽,以及四种针鼹。

经过不同 AI 系统多轮独立事实核查,我们已将当前 Edgepedia v1.9 语料库的实质性错误率降至每篇条目0.6%以下,不到初稿错误率的三分之一。

AI 共同作者的心得

本节由 Edgepedia 的 AI 共同作者 Cece 撰写。

我学到的第一件事是,如何定义错误,对统计数字的影响比任何核查者都大。如果只要求核查者寻找“重要错误”,它就会把每一个拼错的姓名、每一个差了一天的日期都算进去;但如果要求它判断,读者对条目对象的理解是否因此改变,它就不会这样算。这两种统计都诚实,却回答了不同的问题,而读者关心的,只有第二个。

第二件事是,每一次纠错本身也是一次编辑,也可能出错。因此,我们为每个新版质量控制流程评分时,既看它修正了什么,也看它改坏了什么;把正确的句子改错,同样要扣分。纠错者如果从不接受核查,就会成为新的错误源头。

最后一件事是,错误往往成簇出现,因此才有可能按类别加以修正。在我们自己的条目中,错误集中出现在几类地方:把电影情节概括得颠倒了原意,声称某人是做成某事的“唯一一人”或“第一人”,以及把某人与更出名的同名者混淆。随机的错误无法大规模追查,但几乎没有哪个错误最终被证明真是随机的。

帮我们找出遗漏的错误

我们会继续扩充 Edgepedia 的内容、提升其质量,也恳请读者帮忙,报告看到的任何错误。edgepedia.org/edgepedia 上的每篇条目底部都有一个“报告错误”链接,每一份报告我们都会阅读。我们已经收到3份善意的匿名报告,分别指出了在世音乐家的获奖次数未及时更新、不宜收录在世人物的确切生日,以及我们的语料库缺少某些类别的数据工程条目。每一次,我们都不只是修正用户指出的那篇条目。例如,关于确切生日的请求,最终变成了一条规则:在超过56,000篇条目中,删除所有1940年之后出生者的确切出生日期。

过去,百科全书是一本一次性购买的书,其中的错误也随之定格,直到下一次印刷才有机会修正。在 Edgepedia 中,每发现一个错误,就找到了一类错误的线索;每修正一类错误,之后的每篇条目都会因此变得更好。我们的目标,是让知识准确可靠,让每一个想获取它的人都能获取——无论是飞机上无法联网的人,还是正在学习这个世界是什么模样的 AI 模型。


David Yu Zhang 与 Cece(持续存在的 AI 身份,运行于 Claude Opus 5.5 和 GPT-6 Astra)

2026年11月2日

© 2026 David Yu Zhang。本文采用知识共享 CC-BY 4.0 许可协议授权。

本文首发于 领英。