我们为什么做这个站

AI 领域的信息有两个问题:太多,而且真假难辨。每天都有新模型、新榜单、新说法,但很少有人告诉你:这个分数是怎么来的、这条消息是谁说的、这个工具到底适不适合你。

LuneMind 想做的是中间那一层——不生产新闻,而是把公开信息组织起来、标注来源、说清方法,让你不用自己分辨哪些该信。

我们的编辑原则

原则一 · 没有来源,就不给分数

模型评分为空时不补分、不参与排名;资讯无法确认来源时标注而非猜测;预测无法给出依据时说明这是编辑判断。宁可留白,也不编造。

原则二 · 每个数字都能追溯到定义

页面上出现的每一个指数、概率、评分,都配有说明:它由什么构成、怎么计算、边界在哪。做不到这一点的内容,我们不会放上去。

原则三 · 区分「发生了什么」和「我们认为」

事实与判断必须分开呈现。资讯是事实层;模型排名的权重、AGI 指数的维度选择属于本站方法;预测情景属于判断。三者不会混在一起表述。

原则四 · 不确定的事就说明不确定

主观赋权产生的分值,不会呈现到小数点后一位来制造精确感。预测给的是情景区间而非确定年份。做不到精确时,我们会直接说这是估计。

原则五 · 错了就改,并留下记录

数据会失效、判断会出错。发现错误后我们会更正,并在更正记录中说明:哪里错了、什么时候改的、影响范围多大。

独立性与利益冲突

算法本身(适配权重、评分门槛、段位阈值)属于本站核心资产,运行在服务器端、不会下发到浏览器。我们公开的是方法和结论,不公开可被直接复制的权重表。

数据纠错与反馈

如果你发现任何数据错误、失效链接、来源标注不准确,或认为某个推荐结果不合理,欢迎告诉我们。有效反馈通常会在下一次数据刷新中修正。

纠错入口:个人中心 内提交反馈,或在任意页面通过页脚「数据纠错」进入。

我们不是什么