作者：耿哲1,2 赵星1,3 叶鹰1,4
作者单位：1. 复旦大学国家智能评价与治理实验基地；2.上海市档案馆；3.复旦大学大数据研究院；4.南京大学江苏省国际联合信息学实验室
摘要：[目的/意义]针对生成式人工智能（GenAI）赋能情报工作时存在的信噪比下降、时效性要求及单源依赖产生技术幻觉等核心问题，文章基于“广义二重证据法”，提出生成式AI(GenAI)“双证法”框架，通过异构大语言模型的并行推理与交叉验证，突破传统单模型分析范式，为提升情报产品的可信度与决策支撑效能提供方法论创新。[方法/过程]基于“广义二重证据法”，选用DeepSeek-r1与ChatGPT-o3两种异质模型，以覆盖情报收集、分析、预见全业务流程的110条任务数据集，采用BLEU-4、ROUGE-L、BERTScore及Cross-NLI等多维度指标，量化评估模型输出的形式、语义与逻辑一致性，并进行两轮提示词优化实验。[结果/结论] ChatGPT和DeepSeek“双证法”在情报学领域具有实际应用价值，在高结构化任务（如文本摘要、关系抽取、实体识别、主题领域分类）中，双模型生成结果的一致性表现突出，此类任务因目标明确、输出结构化程度高，GenAI双证法可显著提升情报处理的效率。
关键词：GPT；DeepSeek；双证法；生成式人工智能；大语言模型；情报学；
来源期刊：情报理论与实践
基金资助：国家社会科学基金重大项目“人工智能颠覆性应用的社会影响与信息治理研究”（项目编号：23&ZD224）研究成果；
专辑：信息科技
专题：图书情报与数字图书馆
分类号：G350
在线公开时间：2025-07-17（知网平台在线公开时间，不代表文献的发表时间）
收录数据库：CNKI
