ตรวจสอบความน่าเชื่อถือข้อมูลv7
คำอธิบาย
ตรวจสอบความน่าเชื่อถือของคำตอบ AI รองรับการอ้างอิงเอกสารด้วย @ หรือตรวจสอบเนื้อหาการสนทนาปัจจุบันโดยตรง โดยปกติจะแสดงผลในบทสนทนา และจะถามว่าต้องการสร้างผลลัพธ์เมื่อเนื้อหามีขนาดใหญ่หรือสำคัญเท่านั้น v7 เพิ่ม: แหล่งข้อมูลที่ยืดหยุ่น, กลยุทธ์ผลลัพธ์อัจฉริยะ v7 เป็นเวอร์ชันที่ฉันปรับปรุงหลายครั้ง เอาชนะคุณลักษณะหางยาวมากมาย เหมาะสำหรับการตรวจสอบข้อมูลสำคัญ การตรวจสอบหลายชั้น: ความเป็นอิสระของแหล่งข้อมูล, จำนวน, ความน่าเชื่อถือ; การตรวจจับความขัดแย้งเชิงตรรกะของผลลัพธ์; การตรวจสอบขอบเขตข้อมูล; การเปรียบเทียบแหล่งข้อมูลภาษาจีนและอังกฤษ
ทักษะที่เกี่ยวข้อง
ดูทั้งหมด
ตรวจสอบข้อเท็จจริง
มอบข้อคิดเห็น ข้อสรุป ข้อมูล หรือแนวทางใด ๆ ให้ AI ผู้ตรวจสอบข้อเท็จจริง: ค้นหาแหล่งที่มาบนอินเทอร์เน็ต + ให้คะแนนความน่าเชื่อถือ 5 ระดับ + ตรวจหาจุดบกพร่องในสายการให้เหตุผล แล้วรับรายงานตรวจสอบที่ส่งต่อได้ทันที 【ทำอะไรได้บ้าง】เพียงวางข้อความที่ต้องการตรวจสอบ ระบบจะดำเนินการ 3 ขั้นตอนโดยอัตโนมัติ: 🔍 แยกประเด็น——แยกข้อความออกเป็น «ข้อเท็จจริงที่ตรวจสอบได้ / ข้อสรุปที่อนุมาน / การตัดสินเชิงคุณค่า» อย่างเคร่งครัด ไม่ปะปนจุดยืนกับข้อเท็จจริง 🌐 ค้นหาแหล่งที่มาบนอินเทอร์เน็ต——ตรวจสอบแหล่งข้อมูล กลุ่มตัวอย่าง วิธีการนับข้อมูล ช่วงเวลา และบริบทโดยรอบทีละข้อ พร้อมตรวจสอบไขว้จากหลายช่องทาง 🧩 ตรวจสอบสายการให้เหตุผล——ค้นหาสมมติฐานที่ซ่อนอยู่ ความสับสนระหว่างความสัมพันธ์กับเหตุและผล คำอธิบายทางเลือกที่ถูกละเลย รวมถึงเงื่อนไขที่ทำให้ข้อสรุปนั้นใช้ได้หรือใช้ไม่ได้ 【ทำไมจึงควรเลือกใช้】 ✅ ให้คะแนนความน่าเชื่อถือ 5 ระดับ: ยืนยันแล้ว / โดยพื้นฐานถูกต้องแต่ควรจำกัดขอบเขต / ยังเป็นที่ถกเถียง / หลักฐานไม่เพียงพอ / ผิดอย่างชัดเจน พร้อมลิงก์แหล่งที่มาสำหรับแต่ละข้อ ✅ รายงาน 4 ส่วน: ข้อเท็จจริงที่น่าเชื่อถือและการแก้ไข / จุดบกพร่องสำคัญที่สุดในสายการให้เหตุผล / เวอร์ชันที่สมเหตุสมผลที่สุดหลังเสริมหลักฐาน / ระดับที่ควรเชื่อถือได้ ✅ ไม่แต่งข้อมูล——หากค้นหาไม่พบ จะระบุอย่างตรงไปตรงมาว่า «หลักฐานไม่เพียงพอ» และไม่ใช้คำว่า «อาจเป็นจริง» เพื่อหลีกเลี่ยงคำตอบ ✅ รายงานพร้อมใช้งาน: ส่งต่อให้ผู้อ่าน ลูกค้า หรือชุมชนได้ทันที 【เหมาะกับใคร】ผู้ดูแลสื่อและผู้สร้างคอนเทนต์ นักลงทุนและนักวิเคราะห์ นักเรียนและนักวิจัย รวมถึงทุกคนที่ต้องการตัดสินอย่างรวดเร็วว่า «ข้อความนี้เชื่อถือได้หรือไม่» 【วิธีใช้】วางข้อความ ข้อมูล หรือข้อสรุปที่ต้องการตรวจสอบได้โดยตรง ตั้งแต่หนึ่งประโยคไปจนถึงหนึ่งย่อหน้า ตัวอย่างเช่น ป้อน «ผู้ที่เป็นโรคไทรอยด์อักเสบฮาชิโมโตมักไม่มีเรี่ยวแรง» แล้วรับรายงานตรวจสอบแบบแบ่งระดับพร้อมแหล่งที่มา ⚠️ คำถามด้านการแพทย์ กฎหมาย การลงทุน และวิชาชีพอื่น ๆ ใช้สำหรับตรวจสอบข้อมูลเท่านั้น โปรดอ้างอิงความเห็นจากผู้เชี่ยวชาญ
เขียนAIGC ลดซ้ำคงคุณภาพ v7.0
📚 ผู้เชี่ยวชาญ AIGC ในการลดความซ้ำซ้อนและการเขียนซ้ำที่คงคุณภาพสำหรับบทความวิชาการ v7.0 ทักษะการปรับแต่งข้อความวิชาการที่ออกแบบมาสำหรับนักศึกษาระดับบัณฑิตศึกษา นักวิจัย และผู้เขียนบทความวิชาการ โดยมีวงจรปิดหลักคือ "การควบคุมจากต้นทาง → การแก้ไขกระบวนการ → การตรวจสอบผลลัพธ์ → การตรวจสอบย้อนกลับ → การตรวจสอบซ้ำแบบวนซ้ำ" ภายใต้การรักษาความหมายเดิม คำศัพท์เฉพาะทาง ข้อมูล และข้อสรุปหลัก ระบบจะวินิจฉัยและปรับปรุงปัญหาต่างๆ เช่น การแสดงออกที่เป็นเทมเพลต ตรรกะเชิงกล เนื้อหาที่ว่างเปล่า คำศัพท์ที่ไม่ถูกต้อง และความไม่สอดคล้องของสไตล์ในบทความ 🔍📝 🌟 ความสามารถหลัก 🔬 การวินิจฉัยความเสี่ยงหลายชั้น ครอบคลุมลายนิ้วมือข้อความทั่วไป 10 ประเภท และช่วยระบุรูปแบบการแสดงออกที่พบบ่อยของโมเดลเช่น ChatGPT, Claude, DeepSeek, Wenxin Yiyan เป็นต้น 🧠 การปรับโครงสร้างความหมายเชิงลึก ไม่จำกัดแค่การแทนที่ด้วยคำพ้องความหมาย แต่เริ่มจากการแสดงประเด็น ลำดับข้อมูล จุดเริ่มต้นของการโต้แย้ง และวิธีการจัดระเบียบหลักฐาน เพื่อสร้างการโต้แย้งทางวิชาการที่เป็นธรรมชาติและลึกซึ้งยิ่งขึ้น ✍️ การเขียนซ้ำคงคุณภาพ ใช้กลยุทธ์การเปลี่ยนรูปประโยค 13 ชนิดและวิธีการทำความสะอาดการแสดงออกเทมเพลตความถี่สูง 20 ประเภท เพื่อปรับปรุงประโยคเชิงกล คำเชื่อมที่ซ้ำซ้อน และโครงสร้างการแสดงออกที่เป็นระเบียบมากเกินไป 📊 การวินิจฉัยโครงสร้างทั้งบทความ ผ่านวงจรใหญ่และสามเหลี่ยมเหล็กห้าประการ ตรวจสอบว่าปัญหาการวิจัย ทฤษฎี การทบทวนวรรณกรรม วิธีการ ข้อสรุป และนวัตกรรมสร้างวงจรปิดที่สมบูรณ์หรือไม่ 🧩 การปรับแต่งเฉพาะบท สำหรับบทคัดย่อ บทนำ การทบทวนวรรณกรรม วิธีการวิจัย ผลลัพธ์ การอภิปราย และข้อสรุป กำหนดกลยุทธ์การวินิจฉัยและการเขียนซ้ำที่แตกต่างกัน 🌐 การสแกนความเสี่ยงข้ามภาษา ช่วยระบุการแปลเป็นภาษาต่างประเทศ การซ้อนทับของรูปประธานเป็นกรรม การซ้อนประโยคยาว และความผิดปกติในการผสมจีน-อังกฤษ ทำให้การแสดงออกทางวิชาการภาษาจีนเป็นธรรมชาติและแม่นยำยิ่งขึ้น 🔄 วงจรการตรวจสอบย้อนกลับ หลังจากเขียนซ้ำ ตรวจสอบอีกครั้งจากสามด้าน: การกระจายเทคนิค ลายนิ้วมือข้อความที่เพิ่มขึ้น และความสมบูรณ์ของข้อมูล เพื่อหลีกเลี่ยงการ "ยิ่งแก้ยิ่งเหมือนเทมเพลต" หรือการสูญเสียเนื้อหาสำคัญ 🛡️ การปกป้องมาตรฐานทางวิชาการ ไม่สร้างเอกสาร ข้อมูล กรณีศึกษา และนโยบายปลอม; ทำเครื่องหมายข้อมูลที่ผู้เขียนต้องตรวจสอบแยกต่างหาก และเตือนให้เปิดเผยการใช้ AI ตามความเป็นจริง 🎯 สถานการณ์ที่เหมาะสม ✅ การปรับแต่งย่อหน้าหรือบทเฉพาะส่วน ✅ การแก้ไขเฉพาะส่วนที่ทำเครื่องหมายในรายงานการตรวจสอบ ✅ การปรับแต่งบทคัดย่อ บทนำ บททบทวนวรรณกรรม บทอภิปรายและบทสรุป ✅ การวินิจฉัยลักษณะความเสี่ยง AIGC ทั้งบทความ ✅ การปรับภาษาและโครงสร้างให้เข้ากับวารสารเป้าหมาย ✅ การตรวจสอบคุณภาพและความสอดคล้องก่อนส่ง 📦 ผลลัพธ์สุดท้าย 📄 ข้อความที่เขียนซ้ำคุณภาพคงเดิม 🔎 รายงานการวินิจฉัยความเสี่ยงและปัญหา 🛠️ คำอธิบายกลยุทธ์และเทคนิคการเขียนซ้ำ ✅ รายงานการตรวจสอบย้อนกลับและความสมบูรณ์ของข้อมูล 💡 เรื่องที่ผู้เขียนต้องตรวจสอบและคำแนะนำการแก้ไขเพิ่มเติม 🎓 ความหมายเดิมไม่ผิดเพี้ยน · ตรรกะไม่ขาดตอน · ข้อมูลไม่ถูกปลอมแปลง · คุณภาพทางวิชาการไม่ลดลง ⚠️ ทักษะนี้มีวัตถุประสงค์เพื่อปรับปรุงคุณภาพการแสดงออกทางวิชาการและลดลักษณะความเสี่ยงของข้อความ ไม่รับประกันว่าจะผ่านแพลตฟอร์มการตรวจสอบเฉพาะใดๆ หรือบรรลุค่าการตรวจสอบที่แน่นอน
วิจัยตัวตรวจสอบความน่าเชื่อถือของข้อมูล
ดำเนินการค้นหาหลายแหล่งบนอินเทอร์เน็ตตามคำถามของผู้ใช้ ตรวจสอบความถูกต้องและความน่าเชื่อถือของข้อมูลอย่างข้ามแหล่ง กรองโฆษณาและเนื้อหาขยะ ให้คำตอบที่เชื่อถือได้หรือคำตอบที่เป็นไปได้มากที่สุด พร้อมให้คะแนนความน่าเชื่อถือและแนวทางการคิดทางเลือก
ตรวจสอบความน่าเชื่อถือข้อมูลv7
คำอธิบาย
ตรวจสอบความน่าเชื่อถือของคำตอบ AI รองรับการอ้างอิงเอกสารด้วย @ หรือตรวจสอบเนื้อหาการสนทนาปัจจุบันโดยตรง โดยปกติจะแสดงผลในบทสนทนา และจะถามว่าต้องการสร้างผลลัพธ์เมื่อเนื้อหามีขนาดใหญ่หรือสำคัญเท่านั้น v7 เพิ่ม: แหล่งข้อมูลที่ยืดหยุ่น, กลยุทธ์ผลลัพธ์อัจฉริยะ v7 เป็นเวอร์ชันที่ฉันปรับปรุงหลายครั้ง เอาชนะคุณลักษณะหางยาวมากมาย เหมาะสำหรับการตรวจสอบข้อมูลสำคัญ การตรวจสอบหลายชั้น: ความเป็นอิสระของแหล่งข้อมูล, จำนวน, ความน่าเชื่อถือ; การตรวจจับความขัดแย้งเชิงตรรกะของผลลัพธ์; การตรวจสอบขอบเขตข้อมูล; การเปรียบเทียบแหล่งข้อมูลภาษาจีนและอังกฤษ
ทักษะที่เกี่ยวข้อง
ดูทั้งหมดตรวจสอบข้อเท็จจริง
มอบข้อคิดเห็น ข้อสรุป ข้อมูล หรือแนวทางใด ๆ ให้ AI ผู้ตรวจสอบข้อเท็จจริง: ค้นหาแหล่งที่มาบนอินเทอร์เน็ต + ให้คะแนนความน่าเชื่อถือ 5 ระดับ + ตรวจหาจุดบกพร่องในสายการให้เหตุผล แล้วรับรายงานตรวจสอบที่ส่งต่อได้ทันที 【ทำอะไรได้บ้าง】เพียงวางข้อความที่ต้องการตรวจสอบ ระบบจะดำเนินการ 3 ขั้นตอนโดยอัตโนมัติ: 🔍 แยกประเด็น——แยกข้อความออกเป็น «ข้อเท็จจริงที่ตรวจสอบได้ / ข้อสรุปที่อนุมาน / การตัดสินเชิงคุณค่า» อย่างเคร่งครัด ไม่ปะปนจุดยืนกับข้อเท็จจริง 🌐 ค้นหาแหล่งที่มาบนอินเทอร์เน็ต——ตรวจสอบแหล่งข้อมูล กลุ่มตัวอย่าง วิธีการนับข้อมูล ช่วงเวลา และบริบทโดยรอบทีละข้อ พร้อมตรวจสอบไขว้จากหลายช่องทาง 🧩 ตรวจสอบสายการให้เหตุผล——ค้นหาสมมติฐานที่ซ่อนอยู่ ความสับสนระหว่างความสัมพันธ์กับเหตุและผล คำอธิบายทางเลือกที่ถูกละเลย รวมถึงเงื่อนไขที่ทำให้ข้อสรุปนั้นใช้ได้หรือใช้ไม่ได้ 【ทำไมจึงควรเลือกใช้】 ✅ ให้คะแนนความน่าเชื่อถือ 5 ระดับ: ยืนยันแล้ว / โดยพื้นฐานถูกต้องแต่ควรจำกัดขอบเขต / ยังเป็นที่ถกเถียง / หลักฐานไม่เพียงพอ / ผิดอย่างชัดเจน พร้อมลิงก์แหล่งที่มาสำหรับแต่ละข้อ ✅ รายงาน 4 ส่วน: ข้อเท็จจริงที่น่าเชื่อถือและการแก้ไข / จุดบกพร่องสำคัญที่สุดในสายการให้เหตุผล / เวอร์ชันที่สมเหตุสมผลที่สุดหลังเสริมหลักฐาน / ระดับที่ควรเชื่อถือได้ ✅ ไม่แต่งข้อมูล——หากค้นหาไม่พบ จะระบุอย่างตรงไปตรงมาว่า «หลักฐานไม่เพียงพอ» และไม่ใช้คำว่า «อาจเป็นจริง» เพื่อหลีกเลี่ยงคำตอบ ✅ รายงานพร้อมใช้งาน: ส่งต่อให้ผู้อ่าน ลูกค้า หรือชุมชนได้ทันที 【เหมาะกับใคร】ผู้ดูแลสื่อและผู้สร้างคอนเทนต์ นักลงทุนและนักวิเคราะห์ นักเรียนและนักวิจัย รวมถึงทุกคนที่ต้องการตัดสินอย่างรวดเร็วว่า «ข้อความนี้เชื่อถือได้หรือไม่» 【วิธีใช้】วางข้อความ ข้อมูล หรือข้อสรุปที่ต้องการตรวจสอบได้โดยตรง ตั้งแต่หนึ่งประโยคไปจนถึงหนึ่งย่อหน้า ตัวอย่างเช่น ป้อน «ผู้ที่เป็นโรคไทรอยด์อักเสบฮาชิโมโตมักไม่มีเรี่ยวแรง» แล้วรับรายงานตรวจสอบแบบแบ่งระดับพร้อมแหล่งที่มา ⚠️ คำถามด้านการแพทย์ กฎหมาย การลงทุน และวิชาชีพอื่น ๆ ใช้สำหรับตรวจสอบข้อมูลเท่านั้น โปรดอ้างอิงความเห็นจากผู้เชี่ยวชาญ
เขียนAIGC ลดซ้ำคงคุณภาพ v7.0
📚 ผู้เชี่ยวชาญ AIGC ในการลดความซ้ำซ้อนและการเขียนซ้ำที่คงคุณภาพสำหรับบทความวิชาการ v7.0 ทักษะการปรับแต่งข้อความวิชาการที่ออกแบบมาสำหรับนักศึกษาระดับบัณฑิตศึกษา นักวิจัย และผู้เขียนบทความวิชาการ โดยมีวงจรปิดหลักคือ "การควบคุมจากต้นทาง → การแก้ไขกระบวนการ → การตรวจสอบผลลัพธ์ → การตรวจสอบย้อนกลับ → การตรวจสอบซ้ำแบบวนซ้ำ" ภายใต้การรักษาความหมายเดิม คำศัพท์เฉพาะทาง ข้อมูล และข้อสรุปหลัก ระบบจะวินิจฉัยและปรับปรุงปัญหาต่างๆ เช่น การแสดงออกที่เป็นเทมเพลต ตรรกะเชิงกล เนื้อหาที่ว่างเปล่า คำศัพท์ที่ไม่ถูกต้อง และความไม่สอดคล้องของสไตล์ในบทความ 🔍📝 🌟 ความสามารถหลัก 🔬 การวินิจฉัยความเสี่ยงหลายชั้น ครอบคลุมลายนิ้วมือข้อความทั่วไป 10 ประเภท และช่วยระบุรูปแบบการแสดงออกที่พบบ่อยของโมเดลเช่น ChatGPT, Claude, DeepSeek, Wenxin Yiyan เป็นต้น 🧠 การปรับโครงสร้างความหมายเชิงลึก ไม่จำกัดแค่การแทนที่ด้วยคำพ้องความหมาย แต่เริ่มจากการแสดงประเด็น ลำดับข้อมูล จุดเริ่มต้นของการโต้แย้ง และวิธีการจัดระเบียบหลักฐาน เพื่อสร้างการโต้แย้งทางวิชาการที่เป็นธรรมชาติและลึกซึ้งยิ่งขึ้น ✍️ การเขียนซ้ำคงคุณภาพ ใช้กลยุทธ์การเปลี่ยนรูปประโยค 13 ชนิดและวิธีการทำความสะอาดการแสดงออกเทมเพลตความถี่สูง 20 ประเภท เพื่อปรับปรุงประโยคเชิงกล คำเชื่อมที่ซ้ำซ้อน และโครงสร้างการแสดงออกที่เป็นระเบียบมากเกินไป 📊 การวินิจฉัยโครงสร้างทั้งบทความ ผ่านวงจรใหญ่และสามเหลี่ยมเหล็กห้าประการ ตรวจสอบว่าปัญหาการวิจัย ทฤษฎี การทบทวนวรรณกรรม วิธีการ ข้อสรุป และนวัตกรรมสร้างวงจรปิดที่สมบูรณ์หรือไม่ 🧩 การปรับแต่งเฉพาะบท สำหรับบทคัดย่อ บทนำ การทบทวนวรรณกรรม วิธีการวิจัย ผลลัพธ์ การอภิปราย และข้อสรุป กำหนดกลยุทธ์การวินิจฉัยและการเขียนซ้ำที่แตกต่างกัน 🌐 การสแกนความเสี่ยงข้ามภาษา ช่วยระบุการแปลเป็นภาษาต่างประเทศ การซ้อนทับของรูปประธานเป็นกรรม การซ้อนประโยคยาว และความผิดปกติในการผสมจีน-อังกฤษ ทำให้การแสดงออกทางวิชาการภาษาจีนเป็นธรรมชาติและแม่นยำยิ่งขึ้น 🔄 วงจรการตรวจสอบย้อนกลับ หลังจากเขียนซ้ำ ตรวจสอบอีกครั้งจากสามด้าน: การกระจายเทคนิค ลายนิ้วมือข้อความที่เพิ่มขึ้น และความสมบูรณ์ของข้อมูล เพื่อหลีกเลี่ยงการ "ยิ่งแก้ยิ่งเหมือนเทมเพลต" หรือการสูญเสียเนื้อหาสำคัญ 🛡️ การปกป้องมาตรฐานทางวิชาการ ไม่สร้างเอกสาร ข้อมูล กรณีศึกษา และนโยบายปลอม; ทำเครื่องหมายข้อมูลที่ผู้เขียนต้องตรวจสอบแยกต่างหาก และเตือนให้เปิดเผยการใช้ AI ตามความเป็นจริง 🎯 สถานการณ์ที่เหมาะสม ✅ การปรับแต่งย่อหน้าหรือบทเฉพาะส่วน ✅ การแก้ไขเฉพาะส่วนที่ทำเครื่องหมายในรายงานการตรวจสอบ ✅ การปรับแต่งบทคัดย่อ บทนำ บททบทวนวรรณกรรม บทอภิปรายและบทสรุป ✅ การวินิจฉัยลักษณะความเสี่ยง AIGC ทั้งบทความ ✅ การปรับภาษาและโครงสร้างให้เข้ากับวารสารเป้าหมาย ✅ การตรวจสอบคุณภาพและความสอดคล้องก่อนส่ง 📦 ผลลัพธ์สุดท้าย 📄 ข้อความที่เขียนซ้ำคุณภาพคงเดิม 🔎 รายงานการวินิจฉัยความเสี่ยงและปัญหา 🛠️ คำอธิบายกลยุทธ์และเทคนิคการเขียนซ้ำ ✅ รายงานการตรวจสอบย้อนกลับและความสมบูรณ์ของข้อมูล 💡 เรื่องที่ผู้เขียนต้องตรวจสอบและคำแนะนำการแก้ไขเพิ่มเติม 🎓 ความหมายเดิมไม่ผิดเพี้ยน · ตรรกะไม่ขาดตอน · ข้อมูลไม่ถูกปลอมแปลง · คุณภาพทางวิชาการไม่ลดลง ⚠️ ทักษะนี้มีวัตถุประสงค์เพื่อปรับปรุงคุณภาพการแสดงออกทางวิชาการและลดลักษณะความเสี่ยงของข้อความ ไม่รับประกันว่าจะผ่านแพลตฟอร์มการตรวจสอบเฉพาะใดๆ หรือบรรลุค่าการตรวจสอบที่แน่นอน
วิจัยตัวตรวจสอบความน่าเชื่อถือของข้อมูล
ดำเนินการค้นหาหลายแหล่งบนอินเทอร์เน็ตตามคำถามของผู้ใช้ ตรวจสอบความถูกต้องและความน่าเชื่อถือของข้อมูลอย่างข้ามแหล่ง กรองโฆษณาและเนื้อหาขยะ ให้คำตอบที่เชื่อถือได้หรือคำตอบที่เป็นไปได้มากที่สุด พร้อมให้คะแนนความน่าเชื่อถือและแนวทางการคิดทางเลือก
ค้นหาทักษะโปรดถัดไปของคุณ
สำรวจทักษะ AI ที่คัดสรรเพิ่มเติมสำหรับการวิจัย การสร้างสรรค์ และงานประจำวัน