赛明思公开技术方法 · RESEARCH PREVIEW v0.6

PJC FRAMEWORK

Prospective Judgment Calibration Framework

前瞻判断校准框架

PJC 是一套面向低效度人–AI Agent 协作环境的公开技术方法。它要求人在结果揭晓前固定判断、依据、置信程度与反证条件,并在结果出现后进行结构化结算。

01 · PROBLEM

AI 完成了任务,不代表人的判断得到了改善

流畅输出会制造确定感;结果出现后,人又容易重写原来的判断。PJC 不评价一次输出是否漂亮,而是保存结果出现前的认知状态,让随后发生的现实能够检验它。

02 · METHOD

三个相互衔接的机制

01

前瞻记录

在结果揭晓前固定判断、依据、置信程度、观察窗口与反证条件。

产生一条不可覆盖的承诺记录。
02

结果结算

观察窗口结束后,依据预先指定的外部结果源进行结构化结算。

区分成立、不成立、不可判定与记录失效。
03

时间校准

跨多个判断周期比较置信程度、判断类别与实际结果。

发现稳定偏差,而不是解释单次成败。

03 · BOUNDARIES

适用边界

适用于

  • 结果会在未来揭晓
  • 存在重复判断机会
  • 结果来源可以预先指定
  • 需要校准置信程度

不适用于

  • 纯创意表达
  • 没有可观察结果的价值判断
  • 一次性且不可比较的选择
  • 把记录当作绩效考核

04 · EVIDENCE

当前证据状态

方法结构已经形成;有效性仍在验证。PJC 当前不承诺提高效率、正确率或团队绩效。

方法结构
已形成
内部可执行性
验证中
跨场景有效性
尚未验证
判断校准效果
尚无充分数据
外部同行评议
尚未进行
查看完整证据披露

05 · DOCUMENTATION

方法文档

可引用 · 可批评 · 持续修订
01

使用指南

运行一个完整 PJC 周期。

02

判断记录

字段、状态与填写示例。

03

研究说明

理论来源、机制和待验证假设。

04

工作流集成

接入 Agent 系统的结构约束。

05

证据与案例

公开当前验证状态与试点标准。

06

主张清单

逐条检查证据等级和可证伪条件。

07

更新记录

版本与术语变化。

08

许可与署名

CC BY 4.0 开放许可。