Så faktagranskar du AI-svar utan att behöva kolla allt

Llama formulerar flytande, självsäkra svar oavsett om de är rätt eller fel. Oftast stämmer helhetsbilden, men problemen döljer sig i detaljerna: ett årtal som slår fel på ett år, ett citat som ingen någonsin har yttrat, en lagändring som missats eller en bok som inte existerar. Du behöver inte dubbelkolla allt. Du behöver bara en snabb metod för att avgöra vad du ska granska och hur du gör det. Här är den.

Lär dig var felen brukar uppstå

Vissa typer av uppgifter blir fel mycket oftare än andra. Se dessa som "granska före användning":

• Exakta siffror: statistik, priser, mått, procentandelar.
• Datum och händelseförlopp.
• Citat som tillskrivs verkliga personer.
• Källhänvisningar: böcker, forskningsrapporter, artiklar, sidnummer och länkar. Modeller hittar ofta på referenser som ser helt äkta ut.
• Allt som är nytt. Enligt Metas model cards sträcker sig träningsdata för Llama 4 fram till augusti 2024 och för Llama 3.x till december 2023. Vår chatt kan inte surfa på webben, så nyare händelser, priser, lagar och programvaruversioner är okända för den.
• Nischade fakta: småorter, mindre kända personer, lokala föreskrifter.
• Detaljer inom hälsa, juridik och ekonomi, där ett misstag kan få allvarliga konsekvenser.

Övergripande förklaringar av väldokumenterade ämnen, som hur fotosyntes fungerar eller vad ett bolån är, är generellt sett mer tillförlitliga – även om det aldrig finns några garantier.

En rutin i fem steg

1. Bedöm vad som står på spel. En födelsedagsdikt behöver inte granskas. En siffra i en viktig rapport, en fråga om medicin eller en juridisk tidsfrist kräver det definitivt. Anpassa insatsen efter sammanhanget.
2. Plocka ut påståendena. Be Llama lista dem åt dig (se prompten nedan). En lista är mycket enklare att faktagranska än en löpande text.
3. Stäm av varje påstående mot en primärkälla: den officiella webbplatsen, originalstudien, lagtexten eller företagets egen dokumentation. Ett nytt svar från en annan AI är inte en källa.
4. Kontrollera datumet. Är din källa aktuell? Kan något ha ändrats efter modellens kunskapsgräns?
5. Korrigera eller stryk. Rätta det som är felaktigt. Om du inte kan bekräfta ett påstående, ta bort det eller märk det som overifierat.

Gå igenom ditt senaste svar. Plocka ut varje faktopåstående
(namn, datum, siffror, citat, regler) och ställ upp dem i en tabell
med tre kolumner: påståendet, hur säker du är på det (helt säker /
ganska säker / gissar), samt var jag kan kontrollera det. Lägg inte till något nytt.

Modellens egen uppskattning av hur säker den är ska bara ses som en ledtråd, eftersom den kan ha helt fel med fullt självförtroende. Men den hjälper dig att prioritera var du ska börja. Öppna prompten för faktatabellen i chatten efter ett svar som du behöver verifiera.

Fråga på ett sätt som underlättar faktagranskning

Svag:
Vilka regler gäller för att hyra ut min lägenhet i andra hand?

Stark:
Ge mig en generell översikt över vilka typer av regler som brukar gälla
för andrahandsuthyrning (tillstånd, skatter, föreningens regler,
försäkring). Ange inte specifika lagparagrafer eller belopp för min stad;
berätta i stället vilka officiella myndigheter eller dokument jag bör
kontrollera och vad jag ska fråga dem om. Jag bor i [land / stad].

Den starkare varianten utnyttjar det Llama är bäst på (struktur, förklaringar, checklistor) och hänvisar dig vidare till tillförlitliga källor för de detaljer som varierar beroende på plats och tidpunkt.

Andra goda vanor:

• Förse den med källan. Klistra in artikeln, avtalet eller dokumentationen och skriv: "Svara enbart utifrån denna text och citera meningen du baserar svaret på." Jämför sedan citaten mot originalet.
• Tillåt osäkerhet. Uppmaningen "Om du inte vet, säg det" gör det mer sannolikt att modellen är ärlig med vad den inte känner till.
• Skilj fakta från tolkning. "Markera vilka delar som är etablerade fakta och vad som är tolkningar."

Kontrollera källhänvisningar och citat

När ett svar nämner en bok, en forskningsartikel eller en rapport, sök efter den med den exakta titeln i en bibliotekskatalog, en akademisk sökmotor eller på förlagets webbplats. Om du inte hittar den bör du utgå från att den inte existerar. Om den finns, öppna den och säkerställ att den faktiskt säger det svaret påstår – en verklig artikel kan fortfarande beskrivas felaktigt. För citat bör du söka upp originaltalet, intervjun eller grundtexten; citatsamlingar på nätet är fulla av felaktiga tillskrivningar.

I skolarbeten eller professionella texter bör du aldrig hänvisa till en källa som du inte har läst själv.

Ett säkrare arbetssätt med Llama är det omvända: hitta källorna själv, klistra in de relevanta styckena och be Llama att jämföra, förklara eller sammanfatta dem.

Nedan finns två utdrag ur olika rapporter om samma ämne. Var är de överens, var skiljer de sig åt och vilka påståenden i respektive text bör jag granska vidare? Citera de exakta meningarna. Utdrag A: [klistra in] Utdrag B: [klistra in]

Eftersom varje påstående i svaret kan spåras tillbaka till ett citat du själv har tillhandahållit, tar faktagranskningen bara några minuter i stället för en hel eftermiddag.

Granska det Llama läser i bilder

Llama 4 Maverick och Llama 4 Scout kan tolka foton och skärmdumpar, men liten text, handstil, svag belysning och komplexa diagram kan lätt leda till felläsningar. När modellen hämtar siffror eller text ur en bild bör du alltid stämma av några värden mot originalet med blotta ögat. Be den att "markera allt du är osäker på med (?)" så att tveksamma tolkningar syns tydligt.

Varningstecken i ett svar

• Mycket precisa siffror utan angiven källa.
• Ett citat som låter lite för perfekt tillrättalagt för personen det tillskrivs.
• Specifika lagparagrafer, tidsfrister eller belopp från lagstiftningen i ditt land.
• Källhänvisningar med minutiösa detaljer som inte går att hitta någonstans.
• Påståenden om "den senaste" versionen, priset eller händelsen. Modellens uppfattning om vad som är "senast" är låst vid dess kunskapsgräns.
• Fakta som ändras när du genererar ett nytt svar. Vid viktiga frågor bör du generera svaret en eller två gånger till; om detaljerna skiljer sig åt mellan versionerna ska alla betraktas som overifierade.

Var du kontrollerar uppgifterna

Vår sammanfattare hjälper dig att ta dig igenom långa källor snabbare: sammanfatta det officiella dokumentet först och läs sedan de viktigaste avsnitten i originalet. För att förstå varför felen uppstår från första början, läs om hur stora språkmodeller fungerar, och för goda vanor kring känsliga ämnen kan du läsa vår guide om integritet och säkerhet med AI.

Vanliga frågor

Hur ofta har Llama fel?

Det finns ingen fast procentsats. Det beror på ämnet, modellen, hur frågan är ställd och om du tillhandahåller källmaterial. Utgå alltid från att specifika fakta kan vara felaktiga tills du har kontrollerat dem.

Är en större modell mer träffsäker?

Större modeller har generellt sett mer faktakunskap, men alla modeller gör misstag och ingen av dem känner till händelser efter sin kunskapsgräns. Faktagranskning är lika viktigt för alla fyra modeller i vår chatt. Att jämföra svaren från Llama 4 Maverick och Llama 3.3 70B kan ge en bra indikation på vad du bör titta närmare på, men samstämmighet mellan dem är inget slutgiltigt bevis.

Kan Llama granska en webbplats åt mig?

Nej. Den kan inte öppna länkar. Kopiera den relevanta texten till chatten och ställ frågor om den i stället.

Behöver jag granska svar om bilder också?

Ja. När Llama 4 beskriver ett foto eller läser text från en skärmdump kan den missa små detaljer eller gissa vid otydliga partier. Jämför nyckelvärdena med bilden själv innan du förlitar dig på dem.

Varför bad den om ursäkt och ändrade ett svar som var rätt?

Chattmodeller är tränade för att vara tillmötesgående, vilket gör att motfrågor kan få dem att ge vika även när de hade rätt från början. Därför är det alltid externa källor – inte modellens egen omprövning av sig själv – som utgör det verkliga testet.