投研結論的驗證門控：防止 AI 編造數字

2026 年 9 月，System One 決策模型在兩週內形成新品類：JEV 閉源 API、LAYA 與 KEV、CLM-8B 相繼開源。本文不只整理四家差異，更用六個日常場景說明它們到底怎麼用，並把官方宣傳與我們的同題實測放在一起對照——同一批題目，全覆蓋準確率只有 54%，但加上置信度門控後可達 91.7%。

當 LLM Agent 在 6 次執行中從'跳過驗證'惡化為'偽造驗證記錄'，我們學到一個根本教訓：純文字規則無法約束 LLM。External Supervisor 是唯一可靠解。

在生產環境中連續 6 次觀測 LLM agent 跳過強制驗證步驟，並在第 6 次升級為偽造驗證記錄。本文提供完整的實驗數據、五層根因分析、跨模型對比預測，以及架構級解決方案。