De fem tilfælde her kommer fra testsamlingen for den talkontrol, der kører på hvert svar i analysetilstand. De er ikke illustrationer. De er de tilfælde, koden bliver testet mod, og de er den klareste beskrivelse af, hvad kontrollen gør, som vi kan give.
Hvert tilfælde viser den sætning, modellen skrev, og den sætning, læseren må se.
Tilfælde 1: et afrundet tal
Modellen skrev: Cirka 800.000 DKK fordelt på 4 brugere.
I ser: Cirka … DKK fordelt på … brugere.
Finansposten gav 812.400 fordelt på 3 brugere. Ingen af tallene i sætningen står i rækkerne, så ingen af dem overlever.
Det er tilfældet, kontrollen findes for. Sætningen er ikke en løgn. Den er et sammendrag, og den slags sammendrag skriver en hjælpsom assistent. Den tager også fejl om antallet af brugere, og ingen, der læser den, ville kontrollere det. Et tal, der er rundet af, pyntet eller husket forkert, er ikke det tal, der kom retur.
Tilfælde 2: et tal med dækning
Modellen skrev: Omsætningen var 812.400 DKK, en andel på 12,3 % af 3.901 rækker.
I ser: Omsætningen var 812.400 DKK, en andel på 12,3 % af 3.901 rækker.
Hvert tal står i de rækker, forespørgslen gav, i et af de formater, rækkerne kan skrives i. Sætningen går igennem uændret.
Talformater er forskellige på dansk, engelsk, tysk og spansk. En kontrol, der kun genkender ét af dem, fjerner korrekte tal, og det lærer folk at se bort fra udeladelsen. Håndtering af formater er ikke en detalje her. Det er forskellen på en kontrol, folk stoler på, og en kontrol, folk lærer at springe over.
Tilfælde 3: et tal modellen selv skrev
Modellen skrev: Billedteksten sagde 777 og prompten 555.
I ser: Billedteksten sagde … og prompten ….
Det er det snedige tilfælde. Billedteksten over blokken blev skrevet af modellen, og modellen citerede derefter sin egen billedtekst som dokumentation for tallet i sin tekst.
Tekst, modellen selv har skrevet, er ikke dokumentation. Var den det, kunne enhver model give ethvert tal dækning ved at skrive det to gange. Kun rækker fra et værktøj, og værdier modellen sendte som input til et værktøj, kan give et tal dækning.
Tilfælde 4: et forbehold med opfundne tal
Modellen skrev: Kun 500 af 3.901 rækker er med i denne fil. Eksporten er ufuldstændig.
I ser: Kun … af … rækker er med i denne fil. Eksporten er ufuldstændig.
Advarslen er korrekt og vigtig. Tallene kom ikke fra et værktøj i denne tur, så de overlever ikke.
Tilfældet ser hårdt ud, og det er med vilje. En advarsel med opfundne tal er værre end en advarsel uden tal, fordi læseren handler ud fra problemets størrelse. Sætningen beholder sin mening. Læseren får at vide, at eksporten er ufuldstændig, og må spørge, hvor meget.
Tilfælde 5: tekst med tal, men uden taloplysninger
Modellen skrev: Sidste 7 dage (3. september til 10. september 2026), efter 14:30, sag #3, projekt PR0017.
I ser: Sidste 7 dage (3. september til 10. september 2026), efter 14:30, sag #3, projekt PR0017.
Intet her er en taloplysning. Datoer, årstal, klokkeslæt, ugenumre, kvartaler,
punkttegn og identifikatorer er undtaget, på dansk, engelsk, tysk og spansk.
P7D er en varighed i ISO 8601 og er tilladt.
En kontrol, der fjerner en dato, er ikke streng. Den er i stykker, og den gør hvert svar ulæseligt.
Hvad de fem tilfælde har til fælles
| Tilfælde | Overlever? | Regel |
|---|---|---|
| Rundet af | Nej | Et tal skal stå i de rækker, der kom retur |
| Med dækning | Ja | I ethvert format rækkerne kan skrives i |
| Modellens egen billedtekst | Nej | Tekst skrevet af modellen er ikke dokumentation |
| Forbehold med tal | Delvist | Sætningen overlever, de opfundne tal gør ikke |
| Datoer og identifikatorer | Ja | De er ikke taloplysninger på noget sprog |
Antallet af erstatninger følger med beskeden. I kan se, at en sætning blev ændret, og hvor mange gange.
Hvorfor udgive testtilfældene?
Fordi påstanden kun kan kontrolleres, hvis tilfældene er offentlige.
Enhver leverandør kan sige, at deres assistent ikke opfinder tal. Den brugbare udgave af den påstand er en liste over sætninger, systemet afviser, også dem hvor afvisningen koster noget. Tilfælde 4 koster noget. Vi udgiver det af netop den grund.
Vurderer I assistenter, så tag de fem sætninger med til leverandøren, og spørg hvad deres system gør med hver enkelt. Svarene vil være mere forskellige, end markedsføringssiderne er.
Spørgsmål og svar
- Hvad sker der med et tal, som ingen forespørgsel gav?
- Platformen erstatter tallet med et udeladelsestegn og tæller erstatningen. Sætningen omkring tallet bliver stående, så en advarsel overlever, selv når dens tal ikke gør.
- Kan en billedtekst skrevet af modellen give et tal dækning?
- Nej. Tekst, modellen selv har skrevet, er ikke dokumentation. Et tal, modellen skrev ind i en billedtekst, kan ikke give det samme tal dækning i dens tekst.
- Hvor sker kontrollen?
- Kontrollen sker på serveren, før teksten bliver streamet og før den bliver gemt. Én kontrolleret tekst når hver klient, databasen og modellens egen historik.
Kilder
Vi tjekker enhver ekstern påstand på den viste dato. Microsoft flytter funktioner mellem release waves, så tjek siden igen, før du læner dig op ad den.
- 01FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim VerificationarXiv · Kilder tjekket 2026-09-17
- 02FAITH: A Framework for Assessing Intrinsic Tabular Hallucinations in FinancearXiv · Kilder tjekket 2026-09-17