[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:ru":3,"public-menus:all":38,"post:how-far-is-an-ai-claim-from-the-evidence-evidence-distance:ru":221,"related:post:how-far-is-an-ai-claim-from-the-evidence-evidence-distance:ru:1":1557},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","ru","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,191,206],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-globe-2","custom",[],{"id":176,"title":177,"url":186,"target":61,"icon":187,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":189,"children":190},"menu-2916d060-8681-482a-af9a-c107a8bc30d8",{"de":178,"en":179,"es":180,"fr":181,"it":182,"ru":183,"sr":184,"zh":185},"Von Rohdaten zu verifizierbarem KI-Kontext: Eine praktische Architektur für agentenbereite Informationen","From Raw Data to Verifiable AI Context:","De datos sin procesar a contexto de IA verificable: una arquitectura práctica para información lista para agentes","Des données brutes au contexte d'IA vérifiable : une architecture pratique pour des informations prêtes pour les agents","Dai dati grezzi a un contesto IA verificabile: Un'architettura pratica per informazioni pronte per gli agenti","От необработанных данных к верифицируемому контексту ИИ: практическая архитектура информации, готовой для агентов","Od sirovih podataka do proverljivog AI konteksta: Praktična arhitektura za informacije spremne za agente","从原始数据到可验证的 AI 上下文：面向智能体就绪信息的实用架构","\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information","i-lucide-database","portfolio",22,[],{"id":192,"title":193,"url":202,"target":61,"icon":203,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":204,"children":205},"menu-e2061cd7-ff53-49d5-a0e8-3d49090577c0",{"de":194,"en":195,"es":196,"fr":197,"it":198,"ru":199,"sr":200,"zh":201},"Präsenzplattformen — Unternehmenskommunikation","Presence Platforms — Enterprise Communication","Plataformas de presencia — Comunicación empresarial","Plateformes de présence — Communication d'entreprise","Presence Platforms — Comunicazione aziendale","Платформы присутствия — Корпоративные коммуникации","Presence platforme — Poslovna komunikacija","Presence 平台 — 企业通信","\u002Fportfolio\u002Fpresence-platforms-enterprise-communication-that-wins-without-competing","i-lucide-badge-percent",21,[],{"id":207,"title":208,"url":217,"target":61,"icon":218,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":219,"children":220},"menu-a781582e-e90d-418e-b8c9-b070bc37c37e",{"de":209,"en":210,"es":211,"fr":212,"it":213,"ru":214,"sr":215,"zh":216},"Maximierung des POS-ROI durch Konsistenz","Maximizing POS ROI Through Consistent","Maximizar el ROI del POS a través de constante","Maximiser le ROI du PDV grâce à la cohérence","Massimizzare il ROI del POS attraverso costante","Максимизация ROI POS за счет последовательного","Maksimizacija POS ROI-ja kroz dosledno","通过持续最大化 POS 投资回报率","\u002Fportfolio\u002Ffrom-vision-to-value-maximizing-pos-roi-through-consistent-ci-creation-and-strategic-branding","i-lucide-briefcase-business",11,[],{"statusCode":4,"data":222,"message":1556},{"id":223,"title":224,"slug":225,"content":226,"contentJson":227,"excerpt":742,"featuredImage":743,"featuredImageAlt":744,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":745,"publishedAt":746,"createdAt":747,"updatedAt":748,"seoLocalePaths":749,"categories":758,"author":767,"translations":771},"497","Насколько утверждение об ИИ далеко от доказательств? — Дистанция доказательств","how-far-is-an-ai-claim-from-the-evidence-evidence-distance","{\"time\":1792097009205,\"blocks\":[{\"id\":\"iJPECRpSmf\",\"type\":\"header\",\"data\":{\"text\":\"Вопрос\",\"level\":2},\"tunes\":{}},{\"id\":\"TyALc9rHoA\",\"type\":\"paragraph\",\"data\":{\"text\":\"Два ответа ИИ могут оба ссылаться на источники и при этом сильно различаться в том, насколько непосредственно эти источники подтверждают сделанные утверждения. Как описать это различие?\"},\"tunes\":{}},{\"id\":\"wD5qXaRemZ\",\"type\":\"paragraph\",\"data\":{\"text\":\"В этой статье используется термин Дистанция доказательств для обозначения расстояния между утверждением и непосредственно проверяемыми доказательствами, которые его подтверждают.\"},\"tunes\":{}},{\"id\":\"i--TI7VRa9\",\"type\":\"quote\",\"data\":{\"text\":\"Дистанция доказательств — это количество и сила преобразований, допущений и шагов вывода, отделяющих утверждение от доказательств, которые могут напрямую его подтвердить.\",\"caption\":\"Рабочее определение — концепция рассуждения, введённая здесь, а не стандартизированная метрика.\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"vztmiZQd-W\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"AMgXM1sCVq\",\"type\":\"header\",\"data\":{\"text\":\"Что это на самом деле означает\",\"level\":2},\"tunes\":{}},{\"id\":\"Z_XZu_ipd5\",\"type\":\"paragraph\",\"data\":{\"text\":\"Ссылка доказывает, что на источник сослались. Она не доказывает автоматически, что источник напрямую подтверждает предложение рядом со ссылкой.\"},\"tunes\":{}},{\"id\":\"78q9Z9vwKx\",\"type\":\"paragraph\",\"data\":{\"text\":\"Между исходным наблюдением и окончательным ответом ИИ могут быть извлечение, разбор, разбиение на фрагменты, поиск, суммирование, интерпретация, агрегация и вывод.\"},\"tunes\":{}},{\"id\":\"enYbfPchus\",\"type\":\"code\",\"data\":{\"code\":\"Primary evidence\\n   ↓\\nExtracted data\\n   ↓\\nRetrieved passage\\n   ↓\\nSummary\\n   ↓\\nInterpretation\\n   ↓\\nInference\\n   ↓\\nFinal claim\"},\"tunes\":{}},{\"id\":\"TvUnqRUqkH\",\"type\":\"paragraph\",\"data\":{\"text\":\"Каждый шаг может быть законным. Но каждый шаг также может внести искажение.\"},\"tunes\":{}},{\"id\":\"RMSkPTr7Da\",\"type\":\"header\",\"data\":{\"text\":\"Простейший пример\",\"level\":2},\"tunes\":{}},{\"id\":\"kvez_LkoeT\",\"type\":\"paragraph\",\"data\":{\"text\":\"Предположим, датчик температуры показывает 38,2 °C.\"},\"tunes\":{}},{\"id\":\"K4kJx839QH\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Утверждение\",\"Связь с доказательством\",\"Иллюстративная дистанция\"],[\"Датчик показывает 38,2 °C.\",\"Прямое показание\",\"Низкая\"],[\"Система работает горячее, чем вчера.\",\"Требуется сравнение со вчерашним показанием\",\"Умеренная\"],[\"Система охлаждения выходит из строя.\",\"Требуется причинно-следственный вывод и альтернативные объяснения\",\"Высокая\"]]},\"tunes\":{}},{\"id\":\"ZWq4xu5-0J\",\"type\":\"paragraph\",\"data\":{\"text\":\"Исходное значение датчика напрямую подтверждает первое утверждение. Оно само по себе не доказывает третье.\"},\"tunes\":{}},{\"id\":\"Trm6QxI8Mu\",\"type\":\"code\",\"data\":{\"code\":\"Evidence exists\\n        ≠\\nEvidence directly supports every derived claim\"},\"tunes\":{}},{\"id\":\"sE9T1LBik2\",\"type\":\"header\",\"data\":{\"text\":\"Где пример перестаёт работать\",\"level\":2},\"tunes\":{}},{\"id\":\"-JuYnubhtz\",\"type\":\"paragraph\",\"data\":{\"text\":\"Дистанция доказательств — это не просто подсчёт предложений или шагов обработки.\"},\"tunes\":{}},{\"id\":\"Nn7hxL7-N7\",\"type\":\"paragraph\",\"data\":{\"text\":\"Одно математически корректное преобразование может сохранить доказательства почти идеально, тогда как одна спекулятивная интерпретация может создать гораздо больший эпистемический скачок.\"},\"tunes\":{}},{\"id\":\"4hKr5d9426\",\"type\":\"paragraph\",\"data\":{\"text\":\"Таким образом, концепция включает как дистанцию по преобразованию, так и дистанцию по выводу.\"},\"tunes\":{}},{\"id\":\"o7Bj15vqZ2\",\"type\":\"header\",\"data\":{\"text\":\"Прямой ответ\",\"level\":2},\"tunes\":{}},{\"id\":\"6a3zr2yqgn\",\"type\":\"paragraph\",\"data\":{\"text\":\"Дистанция доказательств увеличивается, когда утверждение зависит от большего числа преобразований, большего числа допущений, более слабого происхождения или более сильного вывода, чем непосредственно оправдывают лежащие в основе доказательства.\"},\"tunes\":{}},{\"id\":\"rI2DUfWSwZ\",\"type\":\"code\",\"data\":{\"code\":\"Short distance:\\nsource → claim\\n\\nLonger distance:\\nsource → extraction → summary → assumption → inference → claim\"},\"tunes\":{}},{\"id\":\"bLHVxTPze_\",\"type\":\"paragraph\",\"data\":{\"text\":\"Более длинная дистанция не делает утверждение автоматически ложным. Это означает, что цепочка рассуждений требует дополнительной проверки.\"},\"tunes\":{}},{\"id\":\"j1hoMKZ4M_\",\"type\":\"header\",\"data\":{\"text\":\"Почему это важно для ИИ\",\"level\":2},\"tunes\":{}},{\"id\":\"3Ut7DJBZyq\",\"type\":\"paragraph\",\"data\":{\"text\":\"LLM особенно хорошо создают плавные переходы между фрагментами информации. Эта способность полезна, но плавность может скрыть, насколько далеко вывод ушёл от непосредственно полученных доказательств.\"},\"tunes\":{}},{\"id\":\"osVSb916b3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Поэтому ответ может выглядеть хорошо обоснованным, при этом содержа утверждения, поддержка которых существует только через несколько неявных шагов вывода.\"},\"tunes\":{}},{\"id\":\"TOb-iL5RF2\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"От исследовательского протокола к общей структуре рассуждений ИИ\",\"description\":\"Надёжное рассуждение требует явного разделения доказательств, допущений, гипотез и выводов.\"}},\"tunes\":{}},{\"id\":\"TbXyLX3RQm\",\"type\":\"header\",\"data\":{\"text\":\"Четыре компонента дистанции доказательств\",\"level\":2},\"tunes\":{}},{\"id\":\"JTScgPJOHI\",\"type\":\"header\",\"data\":{\"text\":\"1. Дистанция преобразования\",\"level\":3},\"tunes\":{}},{\"id\":\"mJtv4wgtdI\",\"type\":\"paragraph\",\"data\":{\"text\":\"Сколько раз исходные доказательства были преобразованы, обобщены, нормализованы или переформатированы, прежде чем достигли модели?\"},\"tunes\":{}},{\"id\":\"_x-uVZ5RFY\",\"type\":\"header\",\"data\":{\"text\":\"2. Дистанция вывода\",\"level\":3},\"tunes\":{}},{\"id\":\"600pfyD_MD\",\"type\":\"paragraph\",\"data\":{\"text\":\"Сколько шагов рассуждения требуется, прежде чем доказательства подтвердят окончательный вывод?\"},\"tunes\":{}},{\"id\":\"xcRrET4Uzk\",\"type\":\"header\",\"data\":{\"text\":\"3. Дистанция происхождения\",\"level\":3},\"tunes\":{}},{\"id\":\"cQNZIK4wPs\",\"type\":\"paragraph\",\"data\":{\"text\":\"Можно ли всё ещё проследить полученное утверждение до идентифицируемого первоисточника, или оно прошло через резюме и копии, происхождение которых неясно?\"},\"tunes\":{}},{\"id\":\"pxsiWUbP43\",\"type\":\"header\",\"data\":{\"text\":\"4. Дистанция применимости\",\"level\":3},\"tunes\":{}},{\"id\":\"IZXcuSlqze\",\"type\":\"paragraph\",\"data\":{\"text\":\"Сколько рассуждений требуется, чтобы установить, что доказательства применимы к именно этой версии, пользователю, юрисдикции, периоду времени или ситуации?\"},\"tunes\":{}},{\"id\":\"BI1VJIUpIx\",\"type\":\"header\",\"data\":{\"text\":\"Дистанция доказательств в RAG\",\"level\":2},\"tunes\":{}},{\"id\":\"hyEnFOpc8B\",\"type\":\"paragraph\",\"data\":{\"text\":\"RAG может сократить одно важное расстояние: расстояние между моделью и внешними знаниями.\"},\"tunes\":{}},{\"id\":\"lo1GAfWsoZ\",\"type\":\"paragraph\",\"data\":{\"text\":\"Он не сокращает автоматически расстояние между извлечённым фрагментом и итоговым утверждением.\"},\"tunes\":{}},{\"id\":\"fq4zVqWvPg\",\"type\":\"code\",\"data\":{\"code\":\"RAG solves:\\nmodel ↔ external information\\n\\nRAG does not automatically solve:\\nevidence ↔ justified conclusion\"},\"tunes\":{}},{\"id\":\"9mOleirpV3\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Откуда LLM берёт свои данные? Источники данных RAG на Python\",\"description\":\"Извлечение привносит внешнюю информацию в контекст. Дистанция доказательств задаёт вопрос о том, что происходит между этой информацией и утверждением, которое в итоге формируется.\"}},\"tunes\":{}},{\"id\":\"17-npbGi9R\",\"type\":\"header\",\"data\":{\"text\":\"Связь с триггером извлечения\",\"level\":2},\"tunes\":{}},{\"id\":\"gg-w-5yf6S\",\"type\":\"paragraph\",\"data\":{\"text\":\"Триггер извлечения спрашивает, достаточно ли внутренних знаний модели.\"},\"tunes\":{}},{\"id\":\"YwlpL-zJUm\",\"type\":\"paragraph\",\"data\":{\"text\":\"Дистанция доказательств задаёт более поздний вопрос: после того как доказательства были извлечены, насколько непосредственно они поддерживают то, что система хочет утверждать?\"},\"tunes\":{}},{\"id\":\"dXMqU83Gfm\",\"type\":\"code\",\"data\":{\"code\":\"Need evidence?\\n   ↓\\nRetrieval Trigger\\n   ↓\\nRetrieve\\n   ↓\\nHow directly does evidence support the claim?\\n   ↓\\nEvidence Distance\"},\"tunes\":{}},{\"id\":\"OjKMqA5qKH\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Когда ИИ должен перестать доверять собственным знаниям? — Триггер извлечения\",\"description\":\"Триггер решает, когда нужны доказательства. Дистанция доказательств оценивает, насколько итоговое утверждение выходит за пределы этих доказательств.\"}},\"tunes\":{}},{\"id\":\"gdeonlKX45\",\"type\":\"header\",\"data\":{\"text\":\"Практическая диагностика\",\"level\":2},\"tunes\":{}},{\"id\":\"4oeJXGH4GM\",\"type\":\"paragraph\",\"data\":{\"text\":\"Для важного утверждения, сгенерированного ИИ, восстановите цепочку поддержки в обратном порядке.\"},\"tunes\":{}},{\"id\":\"xeUQgQa1PY\",\"type\":\"code\",\"data\":{\"code\":\"CLAIM\\n  ↑\\nWhich inference produced it?\\n  ↑\\nWhich retrieved evidence supports that inference?\\n  ↑\\nWhich source produced that evidence?\\n  ↑\\nCan the original source still be inspected?\"},\"tunes\":{}},{\"id\":\"RTcIi--ivh\",\"type\":\"paragraph\",\"data\":{\"text\":\"Если цепочка разрывается, система столкнулась с проблемой прослеживаемости доказательств.\"},\"tunes\":{}},{\"id\":\"0JcN0H2pEs\",\"type\":\"paragraph\",\"data\":{\"text\":\"Если цепочка остаётся целой, но требует нескольких сильных допущений, дистанция доказательств всё ещё велика.\"},\"tunes\":{}},{\"id\":\"1AacX-O-c6\",\"type\":\"header\",\"data\":{\"text\":\"Пример: данные о продукте\",\"level\":2},\"tunes\":{}},{\"id\":\"t9UtUUfqkJ\",\"type\":\"paragraph\",\"data\":{\"text\":\"Предположим, в спецификации производителя указано, что ноутбук весит 1,48 кг.\"},\"tunes\":{}},{\"id\":\"Wd0Z8PB3hg\",\"type\":\"code\",\"data\":{\"code\":\"Manufacturer specification\\n→ 1.48 kg\\n→ \\\"The laptop weighs 1.48 kg\\\"\\n\\nLow Evidence Distance\"},\"tunes\":{}},{\"id\":\"MCHfZStPBH\",\"type\":\"paragraph\",\"data\":{\"text\":\"Теперь рассмотрим:\"},\"tunes\":{}},{\"id\":\"LgozxTi5Af\",\"type\":\"code\",\"data\":{\"code\":\"Manufacturer specification\\n→ 1.48 kg\\n→ comparison with three competitors\\n→ assumption about travel behavior\\n→ \\\"This is the best laptop for frequent travelers\\\"\\n\\nMuch higher Evidence Distance\"},\"tunes\":{}},{\"id\":\"bkeL2aMlnR\",\"type\":\"paragraph\",\"data\":{\"text\":\"Спецификация реальна. Рекомендация всё ещё находится на расстоянии нескольких шагов рассуждения от неё.\"},\"tunes\":{}},{\"id\":\"4gsOLSkkV2\",\"type\":\"header\",\"data\":{\"text\":\"Пример: научные доказательства\",\"level\":2},\"tunes\":{}},{\"id\":\"WtdmRh4hru\",\"type\":\"paragraph\",\"data\":{\"text\":\"В статье может сообщаться о наблюдаемой связи. Ответ ИИ может ошибочно сжать это в утверждение о причинности.\"},\"tunes\":{}},{\"id\":\"n0zZugI_pz\",\"type\":\"code\",\"data\":{\"code\":\"Observed association\\n        ↓\\nInterpretation\\n        ↓\\nUnstated causal assumption\\n        ↓\\n\\\"X causes Y\\\"\"},\"tunes\":{}},{\"id\":\"w80Km7UBvd\",\"type\":\"paragraph\",\"data\":{\"text\":\"Проблема не в том, что доказательств не существует. Проблема в том, что итоговое утверждение преодолевает большее доказательное расстояние, чем непосредственно подтверждает исследование.\"},\"tunes\":{}},{\"id\":\"4uluTpo9MJ\",\"type\":\"header\",\"data\":{\"text\":\"Связь с контекстом, готовым для агентов\",\"level\":2},\"tunes\":{}},{\"id\":\"BSOIYqs_In\",\"type\":\"paragraph\",\"data\":{\"text\":\"Структурированные информационные объекты могут сократить избегаемое доказательное расстояние, сохраняя идентичность источника, единицы измерения, временные метки, конфликты и срок действия вместо того, чтобы заставлять модель восстанавливать их из уплощённого текста.\"},\"tunes\":{}},{\"id\":\"CF-Xu69rEh\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fru\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"От сырых данных к проверяемому контексту ИИ: практическая архитектура для информации, готовой для агентов\",\"description\":\"Сохранение происхождения и достоверности до извлечения сокращает количество неподдерживаемых шагов восстановления, требуемых позже.\"}},\"tunes\":{}},{\"id\":\"7kR8TfSMLf\",\"type\":\"header\",\"data\":{\"text\":\"Простая рабочая шкала\",\"level\":2},\"tunes\":{}},{\"id\":\"xk8fw1qnnh\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Уровень\",\"Описание\"],[\"ED0\",\"Непосредственно сообщённый факт из источника\"],[\"ED1\",\"Простое детерминированное преобразование или прямое сравнение\"],[\"ED2\",\"Один значимый шаг интерпретации\"],[\"ED3\",\"Несколько допущений или объединённых источников\"],[\"ED4\",\"Сильный причинный, прогностический или предписывающий вывод за пределами прямых доказательств\"]]},\"tunes\":{}},{\"id\":\"72cuPPgbgj\",\"type\":\"paragraph\",\"data\":{\"text\":\"Эта шкала иллюстративна, а не научный стандарт. Её цель — заставить явно задать вопрос: Сколько нам пришлось добавить между доказательством и утверждением?\"},\"tunes\":{}},{\"id\":\"93olfd5GjS\",\"type\":\"header\",\"data\":{\"text\":\"Заблуждения\",\"level\":2},\"tunes\":{}},{\"id\":\"jBgN0PuTvH\",\"type\":\"paragraph\",\"data\":{\"text\":\"Ссылка означает, что доказательное расстояние низкое. Нет. Ссылка может стоять рядом с утверждением, которое существенно превышает то, что устанавливает цитируемый источник.\"},\"tunes\":{}},{\"id\":\"4VrSq1OKqp\",\"type\":\"paragraph\",\"data\":{\"text\":\"Большое доказательное расстояние означает, что утверждение неверно. Нет. Сложные выводы могут быть хорошо обоснованы, но они требуют более сильной цепочки рассуждений.\"},\"tunes\":{}},{\"id\":\"Zq36NI3SW0\",\"type\":\"paragraph\",\"data\":{\"text\":\"Первичные источники устраняют вывод. Нет. Первичные доказательства всё ещё могут требовать интерпретации.\"},\"tunes\":{}},{\"id\":\"xhkpzZYtOy\",\"type\":\"paragraph\",\"data\":{\"text\":\"Больше источников автоматически сокращает расстояние. Десять слабых повторений одного и того же необоснованного утверждения не создают прямых доказательств.\"},\"tunes\":{}},{\"id\":\"tK_xqnKmat\",\"type\":\"header\",\"data\":{\"text\":\"Краевой случай: производные данные\",\"level\":2},\"tunes\":{}},{\"id\":\"zRbNCgmqyM\",\"type\":\"paragraph\",\"data\":{\"text\":\"Некоторые производные значения надёжнее, чем необработанные человеческие описания. Правильно вычисленный итог по проверенным транзакциям может быть весьма достоверным, даже если он отделён от исходных записей одним преобразованием.\"},\"tunes\":{}},{\"id\":\"eNOEaveJGP\",\"type\":\"paragraph\",\"data\":{\"text\":\"Таким образом, Эпистемическая дистанция измеряет эпистемическое разделение, а не упрощённое предпочтение нетронутых данных.\"},\"tunes\":{}},{\"id\":\"kjUBnj6Ftc\",\"type\":\"header\",\"data\":{\"text\":\"Ограничения\",\"level\":2},\"tunes\":{}},{\"id\":\"mSzeqUXd_A\",\"type\":\"paragraph\",\"data\":{\"text\":\"Эпистемическая дистанция — это концептуальный диагностический инструмент, а не универсальная количественная оценка.\"},\"tunes\":{}},{\"id\":\"iHZeJ6nJ7l\",\"type\":\"paragraph\",\"data\":{\"text\":\"Разные области требуют разного подхода к выводам. Математическое доказательство, клинические данные, программные журналы, рыночный анализ и историческая интерпретация не могут иметь единого универсального числового порога.\"},\"tunes\":{}},{\"id\":\"9GfkPvUXA7\",\"type\":\"header\",\"data\":{\"text\":\"Что могло бы изменить этот ответ?\",\"level\":2},\"tunes\":{}},{\"id\":\"R9WIHSldsI\",\"type\":\"paragraph\",\"data\":{\"text\":\"Будущие системы ИИ могут создавать явные графы происхождения, машинно-проверяемые связи утверждений и доказательств, а также типизированные трассировки рассуждений. Это могло бы сделать части Эпистемической дистанции измеримыми автоматически.\"},\"tunes\":{}},{\"id\":\"v5wiYRAC7b\",\"type\":\"paragraph\",\"data\":{\"text\":\"Основная проблема остаётся: утверждение может удаляться от своих доказательств, даже если каждое промежуточное предложение звучит правдоподобно.\"},\"tunes\":{}},{\"id\":\"JN7gwHcX3x\",\"type\":\"header\",\"data\":{\"text\":\"Заключение\",\"level\":2},\"tunes\":{}},{\"id\":\"0YHuM6ydE5\",\"type\":\"paragraph\",\"data\":{\"text\":\"Важное различие не только между ответами со ссылками на источники и без них.\"},\"tunes\":{}},{\"id\":\"9YkF9_SIP7\",\"type\":\"paragraph\",\"data\":{\"text\":\"Оно между утверждениями, которые остаются близкими к непосредственно проверяемым доказательствам, и утверждениями, которые зависят от всё более длинных цепочек интерпретации и предположений.\"},\"tunes\":{}},{\"id\":\"6b3jYcwjK1\",\"type\":\"code\",\"data\":{\"code\":\"Evidence\\n   ↓\\nEvidence Distance\\n   ↓\\nReasoning\\n   ↓\\nAnswer Validity Boundary\"},\"tunes\":{}},{\"id\":\"nELUNcmSOS\",\"type\":\"paragraph\",\"data\":{\"text\":\"Эпистемическая дистанция даёт нам язык для описания этого пространства.\"},\"tunes\":{}},{\"id\":\"jQZC5CPwLR\",\"type\":\"header\",\"data\":{\"text\":\"Первоисточники\",\"level\":2},\"tunes\":{}},{\"id\":\"BO_s75A6TY\",\"type\":\"paragraph\",\"data\":{\"text\":\"Patrick Lewis et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\\\" target=\\\"_blank\\\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).\"},\"tunes\":{}},{\"id\":\"xZ-7dASf0n\",\"type\":\"paragraph\",\"data\":{\"text\":\"Nelson F. Liu et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\\\" target=\\\"_blank\\\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).\"},\"tunes\":{}},{\"id\":\"cNGe8tqt0N\",\"type\":\"paragraph\",\"data\":{\"text\":\"W3C, \u003Ca href=\\\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\\\" target=\\\"_blank\\\">PROV Overview\u003C\u002Fa>. Стандартизированная модель для представления связей происхождения.\"},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":228,"blocks":229,"version":741},1792097009205,[230,236,242,247,255,262,267,272,277,283,288,293,298,320,325,330,335,340,345,350,355,360,365,370,375,380,385,396,401,406,411,416,421,426,431,436,441,446,451,456,461,470,475,480,485,490,499,504,509,514,519,524,529,534,539,544,549,554,559,564,569,574,579,584,593,598,621,626,631,636,641,646,651,656,661,666,671,676,681,686,691,696,701,706,711,716,721,726,731,736],{"id":231,"data":232,"type":42,"tunes":235},"iJPECRpSmf",{"text":233,"level":234},"Вопрос",2,{},{"id":237,"data":238,"type":240,"tunes":241},"TyALc9rHoA",{"text":239},"Два ответа ИИ могут оба ссылаться на источники и при этом сильно различаться в том, насколько непосредственно эти источники подтверждают сделанные утверждения. Как описать это различие?","paragraph",{},{"id":243,"data":244,"type":240,"tunes":246},"wD5qXaRemZ",{"text":245},"В этой статье используется термин Дистанция доказательств для обозначения расстояния между утверждением и непосредственно проверяемыми доказательствами, которые его подтверждают.",{},{"id":248,"data":249,"type":253,"tunes":254},"i--TI7VRa9",{"text":250,"caption":251,"alignment":252},"Дистанция доказательств — это количество и сила преобразований, допущений и шагов вывода, отделяющих утверждение от доказательств, которые могут напрямую его подтвердить.","Рабочее определение — концепция рассуждения, введённая здесь, а не стандартизированная метрика.","left","quote",{},{"id":256,"data":257,"type":260,"tunes":261},"vztmiZQd-W",{"title":258,"maxLevel":259,"minLevel":234},"Contents",3,"tableOfContents",{},{"id":263,"data":264,"type":42,"tunes":266},"AMgXM1sCVq",{"text":265,"level":234},"Что это на самом деле означает",{},{"id":268,"data":269,"type":240,"tunes":271},"Z_XZu_ipd5",{"text":270},"Ссылка доказывает, что на источник сослались. Она не доказывает автоматически, что источник напрямую подтверждает предложение рядом со ссылкой.",{},{"id":273,"data":274,"type":240,"tunes":276},"78q9Z9vwKx",{"text":275},"Между исходным наблюдением и окончательным ответом ИИ могут быть извлечение, разбор, разбиение на фрагменты, поиск, суммирование, интерпретация, агрегация и вывод.",{},{"id":278,"data":279,"type":281,"tunes":282},"enYbfPchus",{"code":280},"Primary evidence\n   ↓\nExtracted data\n   ↓\nRetrieved passage\n   ↓\nSummary\n   ↓\nInterpretation\n   ↓\nInference\n   ↓\nFinal claim","code",{},{"id":284,"data":285,"type":240,"tunes":287},"TvUnqRUqkH",{"text":286},"Каждый шаг может быть законным. Но каждый шаг также может внести искажение.",{},{"id":289,"data":290,"type":42,"tunes":292},"RMSkPTr7Da",{"text":291,"level":234},"Простейший пример",{},{"id":294,"data":295,"type":240,"tunes":297},"kvez_LkoeT",{"text":296},"Предположим, датчик температуры показывает 38,2 °C.",{},{"id":299,"data":300,"type":318,"tunes":319},"K4kJx839QH",{"content":301,"stretched":43,"withHeadings":14},[302,306,310,314],[303,304,305],"Утверждение","Связь с доказательством","Иллюстративная дистанция",[307,308,309],"Датчик показывает 38,2 °C.","Прямое показание","Низкая",[311,312,313],"Система работает горячее, чем вчера.","Требуется сравнение со вчерашним показанием","Умеренная",[315,316,317],"Система охлаждения выходит из строя.","Требуется причинно-следственный вывод и альтернативные объяснения","Высокая","table",{},{"id":321,"data":322,"type":240,"tunes":324},"ZWq4xu5-0J",{"text":323},"Исходное значение датчика напрямую подтверждает первое утверждение. Оно само по себе не доказывает третье.",{},{"id":326,"data":327,"type":281,"tunes":329},"Trm6QxI8Mu",{"code":328},"Evidence exists\n        ≠\nEvidence directly supports every derived claim",{},{"id":331,"data":332,"type":42,"tunes":334},"sE9T1LBik2",{"text":333,"level":234},"Где пример перестаёт работать",{},{"id":336,"data":337,"type":240,"tunes":339},"-JuYnubhtz",{"text":338},"Дистанция доказательств — это не просто подсчёт предложений или шагов обработки.",{},{"id":341,"data":342,"type":240,"tunes":344},"Nn7hxL7-N7",{"text":343},"Одно математически корректное преобразование может сохранить доказательства почти идеально, тогда как одна спекулятивная интерпретация может создать гораздо больший эпистемический скачок.",{},{"id":346,"data":347,"type":240,"tunes":349},"4hKr5d9426",{"text":348},"Таким образом, концепция включает как дистанцию по преобразованию, так и дистанцию по выводу.",{},{"id":351,"data":352,"type":42,"tunes":354},"o7Bj15vqZ2",{"text":353,"level":234},"Прямой ответ",{},{"id":356,"data":357,"type":240,"tunes":359},"6a3zr2yqgn",{"text":358},"Дистанция доказательств увеличивается, когда утверждение зависит от большего числа преобразований, большего числа допущений, более слабого происхождения или более сильного вывода, чем непосредственно оправдывают лежащие в основе доказательства.",{},{"id":361,"data":362,"type":281,"tunes":364},"rI2DUfWSwZ",{"code":363},"Short distance:\nsource → claim\n\nLonger distance:\nsource → extraction → summary → assumption → inference → claim",{},{"id":366,"data":367,"type":240,"tunes":369},"bLHVxTPze_",{"text":368},"Более длинная дистанция не делает утверждение автоматически ложным. Это означает, что цепочка рассуждений требует дополнительной проверки.",{},{"id":371,"data":372,"type":42,"tunes":374},"j1hoMKZ4M_",{"text":373,"level":234},"Почему это важно для ИИ",{},{"id":376,"data":377,"type":240,"tunes":379},"3Ut7DJBZyq",{"text":378},"LLM особенно хорошо создают плавные переходы между фрагментами информации. Эта способность полезна, но плавность может скрыть, насколько далеко вывод ушёл от непосредственно полученных доказательств.",{},{"id":381,"data":382,"type":240,"tunes":384},"osVSb916b3",{"text":383},"Поэтому ответ может выглядеть хорошо обоснованным, при этом содержа утверждения, поддержка которых существует только через несколько неявных шагов вывода.",{},{"id":386,"data":387,"type":394,"tunes":395},"TOb-iL5RF2",{"link":388,"meta":389},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework",{"image":390,"title":392,"description":393},{"url":391},"","От исследовательского протокола к общей структуре рассуждений ИИ","Надёжное рассуждение требует явного разделения доказательств, допущений, гипотез и выводов.","linkTool",{},{"id":397,"data":398,"type":42,"tunes":400},"TbXyLX3RQm",{"text":399,"level":234},"Четыре компонента дистанции доказательств",{},{"id":402,"data":403,"type":42,"tunes":405},"JTScgPJOHI",{"text":404,"level":259},"1. Дистанция преобразования",{},{"id":407,"data":408,"type":240,"tunes":410},"mJtv4wgtdI",{"text":409},"Сколько раз исходные доказательства были преобразованы, обобщены, нормализованы или переформатированы, прежде чем достигли модели?",{},{"id":412,"data":413,"type":42,"tunes":415},"_x-uVZ5RFY",{"text":414,"level":259},"2. Дистанция вывода",{},{"id":417,"data":418,"type":240,"tunes":420},"600pfyD_MD",{"text":419},"Сколько шагов рассуждения требуется, прежде чем доказательства подтвердят окончательный вывод?",{},{"id":422,"data":423,"type":42,"tunes":425},"xcRrET4Uzk",{"text":424,"level":259},"3. Дистанция происхождения",{},{"id":427,"data":428,"type":240,"tunes":430},"cQNZIK4wPs",{"text":429},"Можно ли всё ещё проследить полученное утверждение до идентифицируемого первоисточника, или оно прошло через резюме и копии, происхождение которых неясно?",{},{"id":432,"data":433,"type":42,"tunes":435},"pxsiWUbP43",{"text":434,"level":259},"4. Дистанция применимости",{},{"id":437,"data":438,"type":240,"tunes":440},"IZXcuSlqze",{"text":439},"Сколько рассуждений требуется, чтобы установить, что доказательства применимы к именно этой версии, пользователю, юрисдикции, периоду времени или ситуации?",{},{"id":442,"data":443,"type":42,"tunes":445},"BI1VJIUpIx",{"text":444,"level":234},"Дистанция доказательств в RAG",{},{"id":447,"data":448,"type":240,"tunes":450},"hyEnFOpc8B",{"text":449},"RAG может сократить одно важное расстояние: расстояние между моделью и внешними знаниями.",{},{"id":452,"data":453,"type":240,"tunes":455},"lo1GAfWsoZ",{"text":454},"Он не сокращает автоматически расстояние между извлечённым фрагментом и итоговым утверждением.",{},{"id":457,"data":458,"type":281,"tunes":460},"fq4zVqWvPg",{"code":459},"RAG solves:\nmodel ↔ external information\n\nRAG does not automatically solve:\nevidence ↔ justified conclusion",{},{"id":462,"data":463,"type":394,"tunes":469},"9mOleirpV3",{"link":464,"meta":465},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python",{"image":466,"title":467,"description":468},{"url":391},"Откуда LLM берёт свои данные? Источники данных RAG на Python","Извлечение привносит внешнюю информацию в контекст. Дистанция доказательств задаёт вопрос о том, что происходит между этой информацией и утверждением, которое в итоге формируется.",{},{"id":471,"data":472,"type":42,"tunes":474},"17-npbGi9R",{"text":473,"level":234},"Связь с триггером извлечения",{},{"id":476,"data":477,"type":240,"tunes":479},"gg-w-5yf6S",{"text":478},"Триггер извлечения спрашивает, достаточно ли внутренних знаний модели.",{},{"id":481,"data":482,"type":240,"tunes":484},"YwlpL-zJUm",{"text":483},"Дистанция доказательств задаёт более поздний вопрос: после того как доказательства были извлечены, насколько непосредственно они поддерживают то, что система хочет утверждать?",{},{"id":486,"data":487,"type":281,"tunes":489},"dXMqU83Gfm",{"code":488},"Need evidence?\n   ↓\nRetrieval Trigger\n   ↓\nRetrieve\n   ↓\nHow directly does evidence support the claim?\n   ↓\nEvidence Distance",{},{"id":491,"data":492,"type":394,"tunes":498},"OjKMqA5qKH",{"link":493,"meta":494},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger",{"image":495,"title":496,"description":497},{"url":391},"Когда ИИ должен перестать доверять собственным знаниям? — Триггер извлечения","Триггер решает, когда нужны доказательства. Дистанция доказательств оценивает, насколько итоговое утверждение выходит за пределы этих доказательств.",{},{"id":500,"data":501,"type":42,"tunes":503},"gdeonlKX45",{"text":502,"level":234},"Практическая диагностика",{},{"id":505,"data":506,"type":240,"tunes":508},"4oeJXGH4GM",{"text":507},"Для важного утверждения, сгенерированного ИИ, восстановите цепочку поддержки в обратном порядке.",{},{"id":510,"data":511,"type":281,"tunes":513},"xeUQgQa1PY",{"code":512},"CLAIM\n  ↑\nWhich inference produced it?\n  ↑\nWhich retrieved evidence supports that inference?\n  ↑\nWhich source produced that evidence?\n  ↑\nCan the original source still be inspected?",{},{"id":515,"data":516,"type":240,"tunes":518},"RTcIi--ivh",{"text":517},"Если цепочка разрывается, система столкнулась с проблемой прослеживаемости доказательств.",{},{"id":520,"data":521,"type":240,"tunes":523},"0JcN0H2pEs",{"text":522},"Если цепочка остаётся целой, но требует нескольких сильных допущений, дистанция доказательств всё ещё велика.",{},{"id":525,"data":526,"type":42,"tunes":528},"1AacX-O-c6",{"text":527,"level":234},"Пример: данные о продукте",{},{"id":530,"data":531,"type":240,"tunes":533},"t9UtUUfqkJ",{"text":532},"Предположим, в спецификации производителя указано, что ноутбук весит 1,48 кг.",{},{"id":535,"data":536,"type":281,"tunes":538},"Wd0Z8PB3hg",{"code":537},"Manufacturer specification\n→ 1.48 kg\n→ \"The laptop weighs 1.48 kg\"\n\nLow Evidence Distance",{},{"id":540,"data":541,"type":240,"tunes":543},"MCHfZStPBH",{"text":542},"Теперь рассмотрим:",{},{"id":545,"data":546,"type":281,"tunes":548},"LgozxTi5Af",{"code":547},"Manufacturer specification\n→ 1.48 kg\n→ comparison with three competitors\n→ assumption about travel behavior\n→ \"This is the best laptop for frequent travelers\"\n\nMuch higher Evidence Distance",{},{"id":550,"data":551,"type":240,"tunes":553},"bkeL2aMlnR",{"text":552},"Спецификация реальна. Рекомендация всё ещё находится на расстоянии нескольких шагов рассуждения от неё.",{},{"id":555,"data":556,"type":42,"tunes":558},"4gsOLSkkV2",{"text":557,"level":234},"Пример: научные доказательства",{},{"id":560,"data":561,"type":240,"tunes":563},"WtdmRh4hru",{"text":562},"В статье может сообщаться о наблюдаемой связи. Ответ ИИ может ошибочно сжать это в утверждение о причинности.",{},{"id":565,"data":566,"type":281,"tunes":568},"n0zZugI_pz",{"code":567},"Observed association\n        ↓\nInterpretation\n        ↓\nUnstated causal assumption\n        ↓\n\"X causes Y\"",{},{"id":570,"data":571,"type":240,"tunes":573},"w80Km7UBvd",{"text":572},"Проблема не в том, что доказательств не существует. Проблема в том, что итоговое утверждение преодолевает большее доказательное расстояние, чем непосредственно подтверждает исследование.",{},{"id":575,"data":576,"type":42,"tunes":578},"4uluTpo9MJ",{"text":577,"level":234},"Связь с контекстом, готовым для агентов",{},{"id":580,"data":581,"type":240,"tunes":583},"BSOIYqs_In",{"text":582},"Структурированные информационные объекты могут сократить избегаемое доказательное расстояние, сохраняя идентичность источника, единицы измерения, временные метки, конфликты и срок действия вместо того, чтобы заставлять модель восстанавливать их из уплощённого текста.",{},{"id":585,"data":586,"type":394,"tunes":592},"CF-Xu69rEh",{"link":587,"meta":588},"https:\u002F\u002Fstajic.de\u002Fru\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information",{"image":589,"title":590,"description":591},{"url":391},"От сырых данных к проверяемому контексту ИИ: практическая архитектура для информации, готовой для агентов","Сохранение происхождения и достоверности до извлечения сокращает количество неподдерживаемых шагов восстановления, требуемых позже.",{},{"id":594,"data":595,"type":42,"tunes":597},"7kR8TfSMLf",{"text":596,"level":234},"Простая рабочая шкала",{},{"id":599,"data":600,"type":318,"tunes":620},"xk8fw1qnnh",{"content":601,"stretched":43,"withHeadings":14},[602,605,608,611,614,617],[603,604],"Уровень","Описание",[606,607],"ED0","Непосредственно сообщённый факт из источника",[609,610],"ED1","Простое детерминированное преобразование или прямое сравнение",[612,613],"ED2","Один значимый шаг интерпретации",[615,616],"ED3","Несколько допущений или объединённых источников",[618,619],"ED4","Сильный причинный, прогностический или предписывающий вывод за пределами прямых доказательств",{},{"id":622,"data":623,"type":240,"tunes":625},"72cuPPgbgj",{"text":624},"Эта шкала иллюстративна, а не научный стандарт. Её цель — заставить явно задать вопрос: Сколько нам пришлось добавить между доказательством и утверждением?",{},{"id":627,"data":628,"type":42,"tunes":630},"93olfd5GjS",{"text":629,"level":234},"Заблуждения",{},{"id":632,"data":633,"type":240,"tunes":635},"jBgN0PuTvH",{"text":634},"Ссылка означает, что доказательное расстояние низкое. Нет. Ссылка может стоять рядом с утверждением, которое существенно превышает то, что устанавливает цитируемый источник.",{},{"id":637,"data":638,"type":240,"tunes":640},"4VrSq1OKqp",{"text":639},"Большое доказательное расстояние означает, что утверждение неверно. Нет. Сложные выводы могут быть хорошо обоснованы, но они требуют более сильной цепочки рассуждений.",{},{"id":642,"data":643,"type":240,"tunes":645},"Zq36NI3SW0",{"text":644},"Первичные источники устраняют вывод. Нет. Первичные доказательства всё ещё могут требовать интерпретации.",{},{"id":647,"data":648,"type":240,"tunes":650},"xhkpzZYtOy",{"text":649},"Больше источников автоматически сокращает расстояние. Десять слабых повторений одного и того же необоснованного утверждения не создают прямых доказательств.",{},{"id":652,"data":653,"type":42,"tunes":655},"tK_xqnKmat",{"text":654,"level":234},"Краевой случай: производные данные",{},{"id":657,"data":658,"type":240,"tunes":660},"zRbNCgmqyM",{"text":659},"Некоторые производные значения надёжнее, чем необработанные человеческие описания. Правильно вычисленный итог по проверенным транзакциям может быть весьма достоверным, даже если он отделён от исходных записей одним преобразованием.",{},{"id":662,"data":663,"type":240,"tunes":665},"eNOEaveJGP",{"text":664},"Таким образом, Эпистемическая дистанция измеряет эпистемическое разделение, а не упрощённое предпочтение нетронутых данных.",{},{"id":667,"data":668,"type":42,"tunes":670},"kjUBnj6Ftc",{"text":669,"level":234},"Ограничения",{},{"id":672,"data":673,"type":240,"tunes":675},"mSzeqUXd_A",{"text":674},"Эпистемическая дистанция — это концептуальный диагностический инструмент, а не универсальная количественная оценка.",{},{"id":677,"data":678,"type":240,"tunes":680},"iHZeJ6nJ7l",{"text":679},"Разные области требуют разного подхода к выводам. Математическое доказательство, клинические данные, программные журналы, рыночный анализ и историческая интерпретация не могут иметь единого универсального числового порога.",{},{"id":682,"data":683,"type":42,"tunes":685},"9GfkPvUXA7",{"text":684,"level":234},"Что могло бы изменить этот ответ?",{},{"id":687,"data":688,"type":240,"tunes":690},"R9WIHSldsI",{"text":689},"Будущие системы ИИ могут создавать явные графы происхождения, машинно-проверяемые связи утверждений и доказательств, а также типизированные трассировки рассуждений. Это могло бы сделать части Эпистемической дистанции измеримыми автоматически.",{},{"id":692,"data":693,"type":240,"tunes":695},"v5wiYRAC7b",{"text":694},"Основная проблема остаётся: утверждение может удаляться от своих доказательств, даже если каждое промежуточное предложение звучит правдоподобно.",{},{"id":697,"data":698,"type":42,"tunes":700},"JN7gwHcX3x",{"text":699,"level":234},"Заключение",{},{"id":702,"data":703,"type":240,"tunes":705},"0YHuM6ydE5",{"text":704},"Важное различие не только между ответами со ссылками на источники и без них.",{},{"id":707,"data":708,"type":240,"tunes":710},"9YkF9_SIP7",{"text":709},"Оно между утверждениями, которые остаются близкими к непосредственно проверяемым доказательствам, и утверждениями, которые зависят от всё более длинных цепочек интерпретации и предположений.",{},{"id":712,"data":713,"type":281,"tunes":715},"6b3jYcwjK1",{"code":714},"Evidence\n   ↓\nEvidence Distance\n   ↓\nReasoning\n   ↓\nAnswer Validity Boundary",{},{"id":717,"data":718,"type":240,"tunes":720},"nELUNcmSOS",{"text":719},"Эпистемическая дистанция даёт нам язык для описания этого пространства.",{},{"id":722,"data":723,"type":42,"tunes":725},"jQZC5CPwLR",{"text":724,"level":234},"Первоисточники",{},{"id":727,"data":728,"type":240,"tunes":730},"BO_s75A6TY",{"text":729},"Patrick Lewis et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\" target=\"_blank\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).",{},{"id":732,"data":733,"type":240,"tunes":735},"xZ-7dASf0n",{"text":734},"Nelson F. Liu et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\" target=\"_blank\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).",{},{"id":737,"data":738,"type":240,"tunes":740},"cNGe8tqt0N",{"text":739},"W3C, \u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\" target=\"_blank\">PROV Overview\u003C\u002Fa>. Стандартизированная модель для представления связей происхождения.",{},"2.31.6","Не все поддерживаемые ответы одинаково близки к своим доказательствам. Дистанция доказательств — это практичный способ описать, сколько преобразований, обобщений, допущений и шагов вывода отделяют утверждение ИИ от непосредственно проверяемых доказательств.","\u002Fuploads\u002F2026\u002F10\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance-1792095863209-3c1mog.webp","how-far-is-an-ai-claim-from-the-evidence-evidence-distance-1792095863209-3c1mog","PUBLISHED","2026-10-15T00:23:00.000Z","2026-10-15T20:23:08.634Z","2026-10-15T20:43:52.893Z",{"en":750,"de":751,"sr":752,"es":753,"fr":754,"it":755,"ru":756,"zh":757},"\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fde\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fsr\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fes\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Ffr\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fit\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fru\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance","\u002Fzh\u002Fblog\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance",[759,763],{"id":760,"name":761,"slug":762},68,"Риски, контроли и доказательства","risks-and-controls",{"id":764,"name":765,"slug":766},49,"Контроли и доказательства","controls",{"id":768,"login":769,"email":391,"displayName":770},"20","rooth8233","Aleksandar Stajić",[772,1263],{"lang":773,"title":774,"content":775,"contentJson":776,"excerpt":1262},"en","How Far Is an AI Claim From the Evidence? — Evidence Distance","{\"time\":1792096795538,\"blocks\":[{\"id\":\"g-2Ciyj8LJ\",\"type\":\"header\",\"data\":{\"text\":\"Question\",\"level\":2},\"tunes\":{}},{\"id\":\"SQWD7UraiX\",\"type\":\"paragraph\",\"data\":{\"text\":\"Two AI answers can both cite sources and still differ greatly in how directly those sources support the claims being made. How can we describe that difference?\"},\"tunes\":{}},{\"id\":\"Sj1fx2865j\",\"type\":\"paragraph\",\"data\":{\"text\":\"This article uses the term Evidence Distance for the distance between a claim and the directly inspectable evidence that supports it.\"},\"tunes\":{}},{\"id\":\"d5th-A-mq5\",\"type\":\"quote\",\"data\":{\"text\":\"Evidence Distance is the number and strength of transformations, assumptions and inferential steps separating a claim from the evidence that can directly verify it.\",\"caption\":\"Working definition — a reasoning concept introduced here, not a standardized metric.\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"X81jXC72FC\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"_pZcnPEoil\",\"type\":\"header\",\"data\":{\"text\":\"What This Really Means\",\"level\":2},\"tunes\":{}},{\"id\":\"F5odO7xyha\",\"type\":\"paragraph\",\"data\":{\"text\":\"A citation proves that a source was referenced. It does not automatically prove that the source directly supports the sentence beside the citation.\"},\"tunes\":{}},{\"id\":\"8Gqlg-ArJS\",\"type\":\"paragraph\",\"data\":{\"text\":\"Between an original observation and a final AI answer there may be extraction, parsing, chunking, retrieval, summarization, interpretation, aggregation and inference.\"},\"tunes\":{}},{\"id\":\"lXkL5LV9ab\",\"type\":\"code\",\"data\":{\"code\":\"Primary evidence\\n   ↓\\nExtracted data\\n   ↓\\nRetrieved passage\\n   ↓\\nSummary\\n   ↓\\nInterpretation\\n   ↓\\nInference\\n   ↓\\nFinal claim\"},\"tunes\":{}},{\"id\":\"Z-8GPQIpCI\",\"type\":\"paragraph\",\"data\":{\"text\":\"Every step can be legitimate. But every step can also introduce distortion.\"},\"tunes\":{}},{\"id\":\"aXMwTGZ8Ia\",\"type\":\"header\",\"data\":{\"text\":\"Simplest Example\",\"level\":2},\"tunes\":{}},{\"id\":\"bZlU7KD3M2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Suppose a temperature sensor reports 38.2 °C.\"},\"tunes\":{}},{\"id\":\"SP87UUPaU3\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Claim\",\"Relationship to evidence\",\"Illustrative distance\"],[\"The sensor reports 38.2 °C.\",\"Direct reading\",\"Low\"],[\"The system is running hotter than yesterday.\",\"Requires comparison with yesterday's reading\",\"Moderate\"],[\"The cooling system is failing.\",\"Requires causal inference and alternative explanations\",\"High\"]]},\"tunes\":{}},{\"id\":\"eYar059d69\",\"type\":\"paragraph\",\"data\":{\"text\":\"The original sensor value directly supports the first claim. It does not by itself prove the third.\"},\"tunes\":{}},{\"id\":\"eCnFlByvHt\",\"type\":\"code\",\"data\":{\"code\":\"Evidence exists\\n        ≠\\nEvidence directly supports every derived claim\"},\"tunes\":{}},{\"id\":\"aXGkK6BpkF\",\"type\":\"header\",\"data\":{\"text\":\"Where the Example Stops Working\",\"level\":2},\"tunes\":{}},{\"id\":\"lAwb9QZ_yB\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance is not simply a count of sentences or processing steps.\"},\"tunes\":{}},{\"id\":\"-SzYko9oIH\",\"type\":\"paragraph\",\"data\":{\"text\":\"One mathematically valid transformation may preserve evidence almost perfectly, while a single speculative interpretation may create a much larger epistemic jump.\"},\"tunes\":{}},{\"id\":\"XOQloBndLw\",\"type\":\"paragraph\",\"data\":{\"text\":\"The concept therefore includes both distance by transformation and distance by inference.\"},\"tunes\":{}},{\"id\":\"EOXbS4TAOR\",\"type\":\"header\",\"data\":{\"text\":\"Direct Answer\",\"level\":2},\"tunes\":{}},{\"id\":\"HcVL8vGM74\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance increases when a claim depends on more transformations, more assumptions, weaker provenance or stronger inference than the underlying evidence directly warrants.\"},\"tunes\":{}},{\"id\":\"_f7WXjUOsS\",\"type\":\"code\",\"data\":{\"code\":\"Short distance:\\nsource → claim\\n\\nLonger distance:\\nsource → extraction → summary → assumption → inference → claim\"},\"tunes\":{}},{\"id\":\"zUEC-cDhqm\",\"type\":\"paragraph\",\"data\":{\"text\":\"A longer distance does not automatically make a claim false. It means the reasoning chain requires more validation.\"},\"tunes\":{}},{\"id\":\"ix7TUGNz_W\",\"type\":\"header\",\"data\":{\"text\":\"Why This Matters for AI\",\"level\":2},\"tunes\":{}},{\"id\":\"wrAy5PLtLB\",\"type\":\"paragraph\",\"data\":{\"text\":\"LLMs are particularly good at producing fluent bridges between pieces of information. That capability is useful, but fluency can hide how far the conclusion has moved beyond the directly retrieved evidence.\"},\"tunes\":{}},{\"id\":\"jJseLuTWdv\",\"type\":\"paragraph\",\"data\":{\"text\":\"An answer can therefore look well sourced while containing claims whose support exists only through several unstated inferential steps.\"},\"tunes\":{}},{\"id\":\"ox8fok9dzs\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"From Research Protocol to a General AI Reasoning Framework\",\"description\":\"Reliable reasoning requires explicit separation of evidence, assumptions, hypotheses and conclusions.\"}},\"tunes\":{}},{\"id\":\"6ipse6YG1U\",\"type\":\"header\",\"data\":{\"text\":\"Four Components of Evidence Distance\",\"level\":2},\"tunes\":{}},{\"id\":\"P4xQ7o96dR\",\"type\":\"header\",\"data\":{\"text\":\"1. Transformation Distance\",\"level\":3},\"tunes\":{}},{\"id\":\"dvN8TUNEYG\",\"type\":\"paragraph\",\"data\":{\"text\":\"How many times has the original evidence been converted, summarized, normalized or reformatted before reaching the model?\"},\"tunes\":{}},{\"id\":\"dXofACF9_x\",\"type\":\"header\",\"data\":{\"text\":\"2. Inferential Distance\",\"level\":3},\"tunes\":{}},{\"id\":\"kkEzV3ydId\",\"type\":\"paragraph\",\"data\":{\"text\":\"How many reasoning steps are required before the evidence supports the final conclusion?\"},\"tunes\":{}},{\"id\":\"PPYB0RuX5_\",\"type\":\"header\",\"data\":{\"text\":\"3. Provenance Distance\",\"level\":3},\"tunes\":{}},{\"id\":\"cAVBYebJr7\",\"type\":\"paragraph\",\"data\":{\"text\":\"Can the retrieved statement still be traced to an identifiable original source, or has it passed through summaries and copies whose origin is unclear?\"},\"tunes\":{}},{\"id\":\"254N_99Z7X\",\"type\":\"header\",\"data\":{\"text\":\"4. Applicability Distance\",\"level\":3},\"tunes\":{}},{\"id\":\"to3KWv5WSK\",\"type\":\"paragraph\",\"data\":{\"text\":\"How much reasoning is required to establish that the evidence applies to this exact version, user, jurisdiction, time period or situation?\"},\"tunes\":{}},{\"id\":\"3WnVPQ6wqw\",\"type\":\"header\",\"data\":{\"text\":\"Evidence Distance in RAG\",\"level\":2},\"tunes\":{}},{\"id\":\"r8s-75EBhA\",\"type\":\"paragraph\",\"data\":{\"text\":\"RAG can shorten one important distance: the distance between a model and external knowledge.\"},\"tunes\":{}},{\"id\":\"I_8h52A3Yc\",\"type\":\"paragraph\",\"data\":{\"text\":\"It does not automatically shorten the distance between a retrieved passage and the final claim.\"},\"tunes\":{}},{\"id\":\"jDDRUu2FUK\",\"type\":\"code\",\"data\":{\"code\":\"RAG solves:\\nmodel ↔ external information\\n\\nRAG does not automatically solve:\\nevidence ↔ justified conclusion\"},\"tunes\":{}},{\"id\":\"rm14qIVB1M\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Where Does an LLM Get Its Data? RAG Data Sources in Python\",\"description\":\"Retrieval brings external information into context. Evidence Distance asks what happens between that information and the claim eventually produced.\"}},\"tunes\":{}},{\"id\":\"CRUZDXYloa\",\"type\":\"header\",\"data\":{\"text\":\"Connection to the Retrieval Trigger\",\"level\":2},\"tunes\":{}},{\"id\":\"-TPiYJ569c\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Retrieval Trigger asks whether internal model knowledge is sufficient.\"},\"tunes\":{}},{\"id\":\"_VjLi5fs4x\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance asks a later question: after evidence has been retrieved, how directly does it support what the system wants to claim?\"},\"tunes\":{}},{\"id\":\"EImPw6i617\",\"type\":\"code\",\"data\":{\"code\":\"Need evidence?\\n   ↓\\nRetrieval Trigger\\n   ↓\\nRetrieve\\n   ↓\\nHow directly does evidence support the claim?\\n   ↓\\nEvidence Distance\"},\"tunes\":{}},{\"id\":\"ZqyhB2bFtR\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"When Should an AI Stop Trusting Its Own Knowledge? — The Retrieval Trigger\",\"description\":\"The trigger decides when evidence is needed. Evidence Distance evaluates how far the eventual claim moves beyond that evidence.\"}},\"tunes\":{}},{\"id\":\"ST2vnm6vwF\",\"type\":\"header\",\"data\":{\"text\":\"A Practical Diagnostic\",\"level\":2},\"tunes\":{}},{\"id\":\"qyoHcDcTKb\",\"type\":\"paragraph\",\"data\":{\"text\":\"For an important AI-generated claim, reconstruct the support chain backwards.\"},\"tunes\":{}},{\"id\":\"e3fDmLk0fe\",\"type\":\"code\",\"data\":{\"code\":\"CLAIM\\n  ↑\\nWhich inference produced it?\\n  ↑\\nWhich retrieved evidence supports that inference?\\n  ↑\\nWhich source produced that evidence?\\n  ↑\\nCan the original source still be inspected?\"},\"tunes\":{}},{\"id\":\"iQ60c7NRaE\",\"type\":\"paragraph\",\"data\":{\"text\":\"If the chain breaks, the system has encountered an evidence-traceability problem.\"},\"tunes\":{}},{\"id\":\"YQAKlNZ2gM\",\"type\":\"paragraph\",\"data\":{\"text\":\"If the chain remains intact but requires several strong assumptions, the Evidence Distance is still high.\"},\"tunes\":{}},{\"id\":\"clN7jFkUBf\",\"type\":\"header\",\"data\":{\"text\":\"Example: Product Data\",\"level\":2},\"tunes\":{}},{\"id\":\"CRF-A9O7Ot\",\"type\":\"paragraph\",\"data\":{\"text\":\"Suppose a manufacturer specification says a laptop weighs 1.48 kg.\"},\"tunes\":{}},{\"id\":\"JF3z6aF2q_\",\"type\":\"code\",\"data\":{\"code\":\"Manufacturer specification\\n→ 1.48 kg\\n→ \\\"The laptop weighs 1.48 kg\\\"\\n\\nLow Evidence Distance\"},\"tunes\":{}},{\"id\":\"vTMOOgkLPb\",\"type\":\"paragraph\",\"data\":{\"text\":\"Now consider:\"},\"tunes\":{}},{\"id\":\"Tuhfzor1yp\",\"type\":\"code\",\"data\":{\"code\":\"Manufacturer specification\\n→ 1.48 kg\\n→ comparison with three competitors\\n→ assumption about travel behavior\\n→ \\\"This is the best laptop for frequent travelers\\\"\\n\\nMuch higher Evidence Distance\"},\"tunes\":{}},{\"id\":\"JHFRGIgUJD\",\"type\":\"paragraph\",\"data\":{\"text\":\"The specification is real. The recommendation is still several reasoning steps away from it.\"},\"tunes\":{}},{\"id\":\"2lKERCrnW1\",\"type\":\"header\",\"data\":{\"text\":\"Example: Scientific Evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"HA8DBYwUuK\",\"type\":\"paragraph\",\"data\":{\"text\":\"A paper may report an observed association. An AI answer can incorrectly compress that into a causal statement.\"},\"tunes\":{}},{\"id\":\"D9C2dVB7j_\",\"type\":\"code\",\"data\":{\"code\":\"Observed association\\n        ↓\\nInterpretation\\n        ↓\\nUnstated causal assumption\\n        ↓\\n\\\"X causes Y\\\"\"},\"tunes\":{}},{\"id\":\"CKNjK25pkL\",\"type\":\"paragraph\",\"data\":{\"text\":\"The problem is not that no evidence exists. The problem is that the final statement crosses a larger evidential distance than the study directly supports.\"},\"tunes\":{}},{\"id\":\"sR430N3cDd\",\"type\":\"header\",\"data\":{\"text\":\"Connection to Agent-Ready Context\",\"level\":2},\"tunes\":{}},{\"id\":\"v77YyG55ko\",\"type\":\"paragraph\",\"data\":{\"text\":\"Structured information objects can reduce avoidable Evidence Distance by preserving source identity, units, timestamps, conflicts and validity instead of forcing the model to reconstruct them from flattened text.\"},\"tunes\":{}},{\"id\":\"EX8darCIjd\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"From Raw Data to Verifiable AI Context: A Practical Architecture for Agent-Ready Information\",\"description\":\"Preserving provenance and validity before retrieval reduces the number of unsupported reconstruction steps required later.\"}},\"tunes\":{}},{\"id\":\"dsfuoURj1e\",\"type\":\"header\",\"data\":{\"text\":\"A Simple Working Scale\",\"level\":2},\"tunes\":{}},{\"id\":\"BLi7Yth64O\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Level\",\"Description\"],[\"ED0\",\"Directly reported source fact\"],[\"ED1\",\"Simple deterministic transformation or direct comparison\"],[\"ED2\",\"One meaningful interpretive step\"],[\"ED3\",\"Multiple assumptions or combined sources\"],[\"ED4\",\"Strong causal, predictive or prescriptive conclusion beyond direct evidence\"]]},\"tunes\":{}},{\"id\":\"8y8bzCcHBs\",\"type\":\"paragraph\",\"data\":{\"text\":\"This scale is illustrative, not a scientific standard. Its purpose is to force an explicit question: How much did we have to add between the evidence and the claim?\"},\"tunes\":{}},{\"id\":\"aFK0YiAlYO\",\"type\":\"header\",\"data\":{\"text\":\"Misconceptions\",\"level\":2},\"tunes\":{}},{\"id\":\"07KSk6xDx-\",\"type\":\"paragraph\",\"data\":{\"text\":\"A citation means Evidence Distance is low. No. A citation can sit beside a claim that substantially exceeds what the cited source establishes.\"},\"tunes\":{}},{\"id\":\"t_cf-Zfan9\",\"type\":\"paragraph\",\"data\":{\"text\":\"Long Evidence Distance means the claim is wrong. No. Complex conclusions can be well supported, but they require a stronger reasoning chain.\"},\"tunes\":{}},{\"id\":\"Pu9PRX67Q6\",\"type\":\"paragraph\",\"data\":{\"text\":\"Primary sources eliminate inference. No. Primary evidence can still require interpretation.\"},\"tunes\":{}},{\"id\":\"oF1xNsOHHq\",\"type\":\"paragraph\",\"data\":{\"text\":\"More sources automatically reduce distance. Ten weak repetitions of the same unsupported claim do not create direct evidence.\"},\"tunes\":{}},{\"id\":\"IkolK5baph\",\"type\":\"header\",\"data\":{\"text\":\"Edge Case: Derived Data\",\"level\":2},\"tunes\":{}},{\"id\":\"jRH36fwdR3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some derived values are more reliable than raw human descriptions. A correctly calculated total from verified transactions can be highly dependable even though it is one transformation away from the original records.\"},\"tunes\":{}},{\"id\":\"SXbdKiNDst\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance therefore measures epistemic separation, not a simplistic preference for untouched data.\"},\"tunes\":{}},{\"id\":\"mUbvdnFChM\",\"type\":\"header\",\"data\":{\"text\":\"Limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"N_EskxFOep\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance is a conceptual diagnostic, not a universal quantitative score.\"},\"tunes\":{}},{\"id\":\"nW_-E08So_\",\"type\":\"paragraph\",\"data\":{\"text\":\"Different domains require different treatment of inference. Mathematical proof, clinical evidence, software logs, market analysis and historical interpretation cannot share one universal numerical threshold.\"},\"tunes\":{}},{\"id\":\"_Bd95wXkri\",\"type\":\"header\",\"data\":{\"text\":\"What Would Change This Answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"OqCaMc2_OX\",\"type\":\"paragraph\",\"data\":{\"text\":\"Future AI systems may generate explicit provenance graphs, machine-checkable claim-evidence links and typed reasoning traces. That could make parts of Evidence Distance measurable automatically.\"},\"tunes\":{}},{\"id\":\"58Hf3O9-Iz\",\"type\":\"paragraph\",\"data\":{\"text\":\"The underlying problem remains: a claim can move farther from its evidence even while every intermediate sentence sounds plausible.\"},\"tunes\":{}},{\"id\":\"8WOq5oE_e_\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"1pr1TfwnKc\",\"type\":\"paragraph\",\"data\":{\"text\":\"The important distinction is not merely between sourced and unsourced answers.\"},\"tunes\":{}},{\"id\":\"54CysT_NXa\",\"type\":\"paragraph\",\"data\":{\"text\":\"It is between claims that remain close to directly inspectable evidence and claims that depend on increasingly long chains of interpretation and assumption.\"},\"tunes\":{}},{\"id\":\"Qrjo3WEUSL\",\"type\":\"code\",\"data\":{\"code\":\"Evidence\\n   ↓\\nEvidence Distance\\n   ↓\\nReasoning\\n   ↓\\nAnswer Validity Boundary\"},\"tunes\":{}},{\"id\":\"6ir8aIAfd3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Distance gives us a language for describing that space.\"},\"tunes\":{}},{\"id\":\"vPhupXcbeN\",\"type\":\"header\",\"data\":{\"text\":\"Primary Sources\",\"level\":2},\"tunes\":{}},{\"id\":\"BaO4JmWRQL\",\"type\":\"paragraph\",\"data\":{\"text\":\"Patrick Lewis et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\\\" target=\\\"_blank\\\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).\"},\"tunes\":{}},{\"id\":\"eg4Z4G6Cgs\",\"type\":\"paragraph\",\"data\":{\"text\":\"Nelson F. Liu et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\\\" target=\\\"_blank\\\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).\"},\"tunes\":{}},{\"id\":\"BJH7zUd4T8\",\"type\":\"paragraph\",\"data\":{\"text\":\"W3C, \u003Ca href=\\\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\\\" target=\\\"_blank\\\">PROV Overview\u003C\u002Fa>. A standardized model for representing provenance relationships.\"},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":777,"blocks":778,"version":741},1792096795538,[779,784,789,794,800,804,809,814,819,823,828,833,838,859,864,868,873,878,883,888,893,898,902,907,912,917,922,931,936,941,946,951,956,961,966,971,976,981,986,991,995,1004,1009,1014,1019,1023,1032,1037,1042,1046,1051,1056,1061,1066,1070,1075,1079,1084,1089,1094,1098,1103,1108,1113,1122,1127,1145,1150,1155,1160,1165,1170,1175,1180,1185,1190,1195,1200,1205,1210,1215,1220,1225,1230,1235,1239,1244,1249,1253,1257],{"id":780,"data":781,"type":42,"tunes":783},"g-2Ciyj8LJ",{"text":782,"level":234},"Question",{},{"id":785,"data":786,"type":240,"tunes":788},"SQWD7UraiX",{"text":787},"Two AI answers can both cite sources and still differ greatly in how directly those sources support the claims being made. How can we describe that difference?",{},{"id":790,"data":791,"type":240,"tunes":793},"Sj1fx2865j",{"text":792},"This article uses the term Evidence Distance for the distance between a claim and the directly inspectable evidence that supports it.",{},{"id":795,"data":796,"type":253,"tunes":799},"d5th-A-mq5",{"text":797,"caption":798,"alignment":252},"Evidence Distance is the number and strength of transformations, assumptions and inferential steps separating a claim from the evidence that can directly verify it.","Working definition — a reasoning concept introduced here, not a standardized metric.",{},{"id":801,"data":802,"type":260,"tunes":803},"X81jXC72FC",{"title":258,"maxLevel":259,"minLevel":234},{},{"id":805,"data":806,"type":42,"tunes":808},"_pZcnPEoil",{"text":807,"level":234},"What This Really Means",{},{"id":810,"data":811,"type":240,"tunes":813},"F5odO7xyha",{"text":812},"A citation proves that a source was referenced. It does not automatically prove that the source directly supports the sentence beside the citation.",{},{"id":815,"data":816,"type":240,"tunes":818},"8Gqlg-ArJS",{"text":817},"Between an original observation and a final AI answer there may be extraction, parsing, chunking, retrieval, summarization, interpretation, aggregation and inference.",{},{"id":820,"data":821,"type":281,"tunes":822},"lXkL5LV9ab",{"code":280},{},{"id":824,"data":825,"type":240,"tunes":827},"Z-8GPQIpCI",{"text":826},"Every step can be legitimate. But every step can also introduce distortion.",{},{"id":829,"data":830,"type":42,"tunes":832},"aXMwTGZ8Ia",{"text":831,"level":234},"Simplest Example",{},{"id":834,"data":835,"type":240,"tunes":837},"bZlU7KD3M2",{"text":836},"Suppose a temperature sensor reports 38.2 °C.",{},{"id":839,"data":840,"type":318,"tunes":858},"SP87UUPaU3",{"content":841,"stretched":43,"withHeadings":14},[842,846,850,854],[843,844,845],"Claim","Relationship to evidence","Illustrative distance",[847,848,849],"The sensor reports 38.2 °C.","Direct reading","Low",[851,852,853],"The system is running hotter than yesterday.","Requires comparison with yesterday's reading","Moderate",[855,856,857],"The cooling system is failing.","Requires causal inference and alternative explanations","High",{},{"id":860,"data":861,"type":240,"tunes":863},"eYar059d69",{"text":862},"The original sensor value directly supports the first claim. It does not by itself prove the third.",{},{"id":865,"data":866,"type":281,"tunes":867},"eCnFlByvHt",{"code":328},{},{"id":869,"data":870,"type":42,"tunes":872},"aXGkK6BpkF",{"text":871,"level":234},"Where the Example Stops Working",{},{"id":874,"data":875,"type":240,"tunes":877},"lAwb9QZ_yB",{"text":876},"Evidence Distance is not simply a count of sentences or processing steps.",{},{"id":879,"data":880,"type":240,"tunes":882},"-SzYko9oIH",{"text":881},"One mathematically valid transformation may preserve evidence almost perfectly, while a single speculative interpretation may create a much larger epistemic jump.",{},{"id":884,"data":885,"type":240,"tunes":887},"XOQloBndLw",{"text":886},"The concept therefore includes both distance by transformation and distance by inference.",{},{"id":889,"data":890,"type":42,"tunes":892},"EOXbS4TAOR",{"text":891,"level":234},"Direct Answer",{},{"id":894,"data":895,"type":240,"tunes":897},"HcVL8vGM74",{"text":896},"Evidence Distance increases when a claim depends on more transformations, more assumptions, weaker provenance or stronger inference than the underlying evidence directly warrants.",{},{"id":899,"data":900,"type":281,"tunes":901},"_f7WXjUOsS",{"code":363},{},{"id":903,"data":904,"type":240,"tunes":906},"zUEC-cDhqm",{"text":905},"A longer distance does not automatically make a claim false. It means the reasoning chain requires more validation.",{},{"id":908,"data":909,"type":42,"tunes":911},"ix7TUGNz_W",{"text":910,"level":234},"Why This Matters for AI",{},{"id":913,"data":914,"type":240,"tunes":916},"wrAy5PLtLB",{"text":915},"LLMs are particularly good at producing fluent bridges between pieces of information. That capability is useful, but fluency can hide how far the conclusion has moved beyond the directly retrieved evidence.",{},{"id":918,"data":919,"type":240,"tunes":921},"jJseLuTWdv",{"text":920},"An answer can therefore look well sourced while containing claims whose support exists only through several unstated inferential steps.",{},{"id":923,"data":924,"type":394,"tunes":930},"ox8fok9dzs",{"link":925,"meta":926},"https:\u002F\u002Fstajic.de\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework",{"image":927,"title":928,"description":929},{"url":391},"From Research Protocol to a General AI Reasoning Framework","Reliable reasoning requires explicit separation of evidence, assumptions, hypotheses and conclusions.",{},{"id":932,"data":933,"type":42,"tunes":935},"6ipse6YG1U",{"text":934,"level":234},"Four Components of Evidence Distance",{},{"id":937,"data":938,"type":42,"tunes":940},"P4xQ7o96dR",{"text":939,"level":259},"1. Transformation Distance",{},{"id":942,"data":943,"type":240,"tunes":945},"dvN8TUNEYG",{"text":944},"How many times has the original evidence been converted, summarized, normalized or reformatted before reaching the model?",{},{"id":947,"data":948,"type":42,"tunes":950},"dXofACF9_x",{"text":949,"level":259},"2. Inferential Distance",{},{"id":952,"data":953,"type":240,"tunes":955},"kkEzV3ydId",{"text":954},"How many reasoning steps are required before the evidence supports the final conclusion?",{},{"id":957,"data":958,"type":42,"tunes":960},"PPYB0RuX5_",{"text":959,"level":259},"3. Provenance Distance",{},{"id":962,"data":963,"type":240,"tunes":965},"cAVBYebJr7",{"text":964},"Can the retrieved statement still be traced to an identifiable original source, or has it passed through summaries and copies whose origin is unclear?",{},{"id":967,"data":968,"type":42,"tunes":970},"254N_99Z7X",{"text":969,"level":259},"4. Applicability Distance",{},{"id":972,"data":973,"type":240,"tunes":975},"to3KWv5WSK",{"text":974},"How much reasoning is required to establish that the evidence applies to this exact version, user, jurisdiction, time period or situation?",{},{"id":977,"data":978,"type":42,"tunes":980},"3WnVPQ6wqw",{"text":979,"level":234},"Evidence Distance in RAG",{},{"id":982,"data":983,"type":240,"tunes":985},"r8s-75EBhA",{"text":984},"RAG can shorten one important distance: the distance between a model and external knowledge.",{},{"id":987,"data":988,"type":240,"tunes":990},"I_8h52A3Yc",{"text":989},"It does not automatically shorten the distance between a retrieved passage and the final claim.",{},{"id":992,"data":993,"type":281,"tunes":994},"jDDRUu2FUK",{"code":459},{},{"id":996,"data":997,"type":394,"tunes":1003},"rm14qIVB1M",{"link":998,"meta":999},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python",{"image":1000,"title":1001,"description":1002},{"url":391},"Where Does an LLM Get Its Data? RAG Data Sources in Python","Retrieval brings external information into context. Evidence Distance asks what happens between that information and the claim eventually produced.",{},{"id":1005,"data":1006,"type":42,"tunes":1008},"CRUZDXYloa",{"text":1007,"level":234},"Connection to the Retrieval Trigger",{},{"id":1010,"data":1011,"type":240,"tunes":1013},"-TPiYJ569c",{"text":1012},"The Retrieval Trigger asks whether internal model knowledge is sufficient.",{},{"id":1015,"data":1016,"type":240,"tunes":1018},"_VjLi5fs4x",{"text":1017},"Evidence Distance asks a later question: after evidence has been retrieved, how directly does it support what the system wants to claim?",{},{"id":1020,"data":1021,"type":281,"tunes":1022},"EImPw6i617",{"code":488},{},{"id":1024,"data":1025,"type":394,"tunes":1031},"ZqyhB2bFtR",{"link":1026,"meta":1027},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger",{"image":1028,"title":1029,"description":1030},{"url":391},"When Should an AI Stop Trusting Its Own Knowledge? — The Retrieval Trigger","The trigger decides when evidence is needed. Evidence Distance evaluates how far the eventual claim moves beyond that evidence.",{},{"id":1033,"data":1034,"type":42,"tunes":1036},"ST2vnm6vwF",{"text":1035,"level":234},"A Practical Diagnostic",{},{"id":1038,"data":1039,"type":240,"tunes":1041},"qyoHcDcTKb",{"text":1040},"For an important AI-generated claim, reconstruct the support chain backwards.",{},{"id":1043,"data":1044,"type":281,"tunes":1045},"e3fDmLk0fe",{"code":512},{},{"id":1047,"data":1048,"type":240,"tunes":1050},"iQ60c7NRaE",{"text":1049},"If the chain breaks, the system has encountered an evidence-traceability problem.",{},{"id":1052,"data":1053,"type":240,"tunes":1055},"YQAKlNZ2gM",{"text":1054},"If the chain remains intact but requires several strong assumptions, the Evidence Distance is still high.",{},{"id":1057,"data":1058,"type":42,"tunes":1060},"clN7jFkUBf",{"text":1059,"level":234},"Example: Product Data",{},{"id":1062,"data":1063,"type":240,"tunes":1065},"CRF-A9O7Ot",{"text":1064},"Suppose a manufacturer specification says a laptop weighs 1.48 kg.",{},{"id":1067,"data":1068,"type":281,"tunes":1069},"JF3z6aF2q_",{"code":537},{},{"id":1071,"data":1072,"type":240,"tunes":1074},"vTMOOgkLPb",{"text":1073},"Now consider:",{},{"id":1076,"data":1077,"type":281,"tunes":1078},"Tuhfzor1yp",{"code":547},{},{"id":1080,"data":1081,"type":240,"tunes":1083},"JHFRGIgUJD",{"text":1082},"The specification is real. The recommendation is still several reasoning steps away from it.",{},{"id":1085,"data":1086,"type":42,"tunes":1088},"2lKERCrnW1",{"text":1087,"level":234},"Example: Scientific Evidence",{},{"id":1090,"data":1091,"type":240,"tunes":1093},"HA8DBYwUuK",{"text":1092},"A paper may report an observed association. An AI answer can incorrectly compress that into a causal statement.",{},{"id":1095,"data":1096,"type":281,"tunes":1097},"D9C2dVB7j_",{"code":567},{},{"id":1099,"data":1100,"type":240,"tunes":1102},"CKNjK25pkL",{"text":1101},"The problem is not that no evidence exists. The problem is that the final statement crosses a larger evidential distance than the study directly supports.",{},{"id":1104,"data":1105,"type":42,"tunes":1107},"sR430N3cDd",{"text":1106,"level":234},"Connection to Agent-Ready Context",{},{"id":1109,"data":1110,"type":240,"tunes":1112},"v77YyG55ko",{"text":1111},"Structured information objects can reduce avoidable Evidence Distance by preserving source identity, units, timestamps, conflicts and validity instead of forcing the model to reconstruct them from flattened text.",{},{"id":1114,"data":1115,"type":394,"tunes":1121},"EX8darCIjd",{"link":1116,"meta":1117},"https:\u002F\u002Fstajic.de\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information",{"image":1118,"title":1119,"description":1120},{"url":391},"From Raw Data to Verifiable AI Context: A Practical Architecture for Agent-Ready Information","Preserving provenance and validity before retrieval reduces the number of unsupported reconstruction steps required later.",{},{"id":1123,"data":1124,"type":42,"tunes":1126},"dsfuoURj1e",{"text":1125,"level":234},"A Simple Working Scale",{},{"id":1128,"data":1129,"type":318,"tunes":1144},"BLi7Yth64O",{"content":1130,"stretched":43,"withHeadings":14},[1131,1134,1136,1138,1140,1142],[1132,1133],"Level","Description",[606,1135],"Directly reported source fact",[609,1137],"Simple deterministic transformation or direct comparison",[612,1139],"One meaningful interpretive step",[615,1141],"Multiple assumptions or combined sources",[618,1143],"Strong causal, predictive or prescriptive conclusion beyond direct evidence",{},{"id":1146,"data":1147,"type":240,"tunes":1149},"8y8bzCcHBs",{"text":1148},"This scale is illustrative, not a scientific standard. Its purpose is to force an explicit question: How much did we have to add between the evidence and the claim?",{},{"id":1151,"data":1152,"type":42,"tunes":1154},"aFK0YiAlYO",{"text":1153,"level":234},"Misconceptions",{},{"id":1156,"data":1157,"type":240,"tunes":1159},"07KSk6xDx-",{"text":1158},"A citation means Evidence Distance is low. No. A citation can sit beside a claim that substantially exceeds what the cited source establishes.",{},{"id":1161,"data":1162,"type":240,"tunes":1164},"t_cf-Zfan9",{"text":1163},"Long Evidence Distance means the claim is wrong. No. Complex conclusions can be well supported, but they require a stronger reasoning chain.",{},{"id":1166,"data":1167,"type":240,"tunes":1169},"Pu9PRX67Q6",{"text":1168},"Primary sources eliminate inference. No. Primary evidence can still require interpretation.",{},{"id":1171,"data":1172,"type":240,"tunes":1174},"oF1xNsOHHq",{"text":1173},"More sources automatically reduce distance. Ten weak repetitions of the same unsupported claim do not create direct evidence.",{},{"id":1176,"data":1177,"type":42,"tunes":1179},"IkolK5baph",{"text":1178,"level":234},"Edge Case: Derived Data",{},{"id":1181,"data":1182,"type":240,"tunes":1184},"jRH36fwdR3",{"text":1183},"Some derived values are more reliable than raw human descriptions. A correctly calculated total from verified transactions can be highly dependable even though it is one transformation away from the original records.",{},{"id":1186,"data":1187,"type":240,"tunes":1189},"SXbdKiNDst",{"text":1188},"Evidence Distance therefore measures epistemic separation, not a simplistic preference for untouched data.",{},{"id":1191,"data":1192,"type":42,"tunes":1194},"mUbvdnFChM",{"text":1193,"level":234},"Limitations",{},{"id":1196,"data":1197,"type":240,"tunes":1199},"N_EskxFOep",{"text":1198},"Evidence Distance is a conceptual diagnostic, not a universal quantitative score.",{},{"id":1201,"data":1202,"type":240,"tunes":1204},"nW_-E08So_",{"text":1203},"Different domains require different treatment of inference. Mathematical proof, clinical evidence, software logs, market analysis and historical interpretation cannot share one universal numerical threshold.",{},{"id":1206,"data":1207,"type":42,"tunes":1209},"_Bd95wXkri",{"text":1208,"level":234},"What Would Change This Answer?",{},{"id":1211,"data":1212,"type":240,"tunes":1214},"OqCaMc2_OX",{"text":1213},"Future AI systems may generate explicit provenance graphs, machine-checkable claim-evidence links and typed reasoning traces. That could make parts of Evidence Distance measurable automatically.",{},{"id":1216,"data":1217,"type":240,"tunes":1219},"58Hf3O9-Iz",{"text":1218},"The underlying problem remains: a claim can move farther from its evidence even while every intermediate sentence sounds plausible.",{},{"id":1221,"data":1222,"type":42,"tunes":1224},"8WOq5oE_e_",{"text":1223,"level":234},"Conclusion",{},{"id":1226,"data":1227,"type":240,"tunes":1229},"1pr1TfwnKc",{"text":1228},"The important distinction is not merely between sourced and unsourced answers.",{},{"id":1231,"data":1232,"type":240,"tunes":1234},"54CysT_NXa",{"text":1233},"It is between claims that remain close to directly inspectable evidence and claims that depend on increasingly long chains of interpretation and assumption.",{},{"id":1236,"data":1237,"type":281,"tunes":1238},"Qrjo3WEUSL",{"code":714},{},{"id":1240,"data":1241,"type":240,"tunes":1243},"6ir8aIAfd3",{"text":1242},"Evidence Distance gives us a language for describing that space.",{},{"id":1245,"data":1246,"type":42,"tunes":1248},"vPhupXcbeN",{"text":1247,"level":234},"Primary Sources",{},{"id":1250,"data":1251,"type":240,"tunes":1252},"BaO4JmWRQL",{"text":729},{},{"id":1254,"data":1255,"type":240,"tunes":1256},"eg4Z4G6Cgs",{"text":734},{},{"id":1258,"data":1259,"type":240,"tunes":1261},"BJH7zUd4T8",{"text":1260},"W3C, \u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\" target=\"_blank\">PROV Overview\u003C\u002Fa>. A standardized model for representing provenance relationships.",{},"Not all supported answers are equally close to their evidence. Evidence Distance is a practical way to describe how many transformations, summaries, assumptions and inferential steps separate an AI claim from directly inspectable evidence.",{"lang":7,"title":224,"content":226,"contentJson":1264,"excerpt":742},{"time":228,"blocks":1265,"version":741},[1266,1269,1272,1275,1278,1281,1284,1287,1290,1293,1296,1299,1302,1310,1313,1316,1319,1322,1325,1328,1331,1334,1337,1340,1343,1346,1349,1354,1357,1360,1363,1366,1369,1372,1375,1378,1381,1384,1387,1390,1393,1398,1401,1404,1407,1410,1415,1418,1421,1424,1427,1430,1433,1436,1439,1442,1445,1448,1451,1454,1457,1460,1463,1466,1471,1474,1484,1487,1490,1493,1496,1499,1502,1505,1508,1511,1514,1517,1520,1523,1526,1529,1532,1535,1538,1541,1544,1547,1550,1553],{"id":231,"data":1267,"type":42,"tunes":1268},{"text":233,"level":234},{},{"id":237,"data":1270,"type":240,"tunes":1271},{"text":239},{},{"id":243,"data":1273,"type":240,"tunes":1274},{"text":245},{},{"id":248,"data":1276,"type":253,"tunes":1277},{"text":250,"caption":251,"alignment":252},{},{"id":256,"data":1279,"type":260,"tunes":1280},{"title":258,"maxLevel":259,"minLevel":234},{},{"id":263,"data":1282,"type":42,"tunes":1283},{"text":265,"level":234},{},{"id":268,"data":1285,"type":240,"tunes":1286},{"text":270},{},{"id":273,"data":1288,"type":240,"tunes":1289},{"text":275},{},{"id":278,"data":1291,"type":281,"tunes":1292},{"code":280},{},{"id":284,"data":1294,"type":240,"tunes":1295},{"text":286},{},{"id":289,"data":1297,"type":42,"tunes":1298},{"text":291,"level":234},{},{"id":294,"data":1300,"type":240,"tunes":1301},{"text":296},{},{"id":299,"data":1303,"type":318,"tunes":1309},{"content":1304,"stretched":43,"withHeadings":14},[1305,1306,1307,1308],[303,304,305],[307,308,309],[311,312,313],[315,316,317],{},{"id":321,"data":1311,"type":240,"tunes":1312},{"text":323},{},{"id":326,"data":1314,"type":281,"tunes":1315},{"code":328},{},{"id":331,"data":1317,"type":42,"tunes":1318},{"text":333,"level":234},{},{"id":336,"data":1320,"type":240,"tunes":1321},{"text":338},{},{"id":341,"data":1323,"type":240,"tunes":1324},{"text":343},{},{"id":346,"data":1326,"type":240,"tunes":1327},{"text":348},{},{"id":351,"data":1329,"type":42,"tunes":1330},{"text":353,"level":234},{},{"id":356,"data":1332,"type":240,"tunes":1333},{"text":358},{},{"id":361,"data":1335,"type":281,"tunes":1336},{"code":363},{},{"id":366,"data":1338,"type":240,"tunes":1339},{"text":368},{},{"id":371,"data":1341,"type":42,"tunes":1342},{"text":373,"level":234},{},{"id":376,"data":1344,"type":240,"tunes":1345},{"text":378},{},{"id":381,"data":1347,"type":240,"tunes":1348},{"text":383},{},{"id":386,"data":1350,"type":394,"tunes":1353},{"link":388,"meta":1351},{"image":1352,"title":392,"description":393},{"url":391},{},{"id":397,"data":1355,"type":42,"tunes":1356},{"text":399,"level":234},{},{"id":402,"data":1358,"type":42,"tunes":1359},{"text":404,"level":259},{},{"id":407,"data":1361,"type":240,"tunes":1362},{"text":409},{},{"id":412,"data":1364,"type":42,"tunes":1365},{"text":414,"level":259},{},{"id":417,"data":1367,"type":240,"tunes":1368},{"text":419},{},{"id":422,"data":1370,"type":42,"tunes":1371},{"text":424,"level":259},{},{"id":427,"data":1373,"type":240,"tunes":1374},{"text":429},{},{"id":432,"data":1376,"type":42,"tunes":1377},{"text":434,"level":259},{},{"id":437,"data":1379,"type":240,"tunes":1380},{"text":439},{},{"id":442,"data":1382,"type":42,"tunes":1383},{"text":444,"level":234},{},{"id":447,"data":1385,"type":240,"tunes":1386},{"text":449},{},{"id":452,"data":1388,"type":240,"tunes":1389},{"text":454},{},{"id":457,"data":1391,"type":281,"tunes":1392},{"code":459},{},{"id":462,"data":1394,"type":394,"tunes":1397},{"link":464,"meta":1395},{"image":1396,"title":467,"description":468},{"url":391},{},{"id":471,"data":1399,"type":42,"tunes":1400},{"text":473,"level":234},{},{"id":476,"data":1402,"type":240,"tunes":1403},{"text":478},{},{"id":481,"data":1405,"type":240,"tunes":1406},{"text":483},{},{"id":486,"data":1408,"type":281,"tunes":1409},{"code":488},{},{"id":491,"data":1411,"type":394,"tunes":1414},{"link":493,"meta":1412},{"image":1413,"title":496,"description":497},{"url":391},{},{"id":500,"data":1416,"type":42,"tunes":1417},{"text":502,"level":234},{},{"id":505,"data":1419,"type":240,"tunes":1420},{"text":507},{},{"id":510,"data":1422,"type":281,"tunes":1423},{"code":512},{},{"id":515,"data":1425,"type":240,"tunes":1426},{"text":517},{},{"id":520,"data":1428,"type":240,"tunes":1429},{"text":522},{},{"id":525,"data":1431,"type":42,"tunes":1432},{"text":527,"level":234},{},{"id":530,"data":1434,"type":240,"tunes":1435},{"text":532},{},{"id":535,"data":1437,"type":281,"tunes":1438},{"code":537},{},{"id":540,"data":1440,"type":240,"tunes":1441},{"text":542},{},{"id":545,"data":1443,"type":281,"tunes":1444},{"code":547},{},{"id":550,"data":1446,"type":240,"tunes":1447},{"text":552},{},{"id":555,"data":1449,"type":42,"tunes":1450},{"text":557,"level":234},{},{"id":560,"data":1452,"type":240,"tunes":1453},{"text":562},{},{"id":565,"data":1455,"type":281,"tunes":1456},{"code":567},{},{"id":570,"data":1458,"type":240,"tunes":1459},{"text":572},{},{"id":575,"data":1461,"type":42,"tunes":1462},{"text":577,"level":234},{},{"id":580,"data":1464,"type":240,"tunes":1465},{"text":582},{},{"id":585,"data":1467,"type":394,"tunes":1470},{"link":587,"meta":1468},{"image":1469,"title":590,"description":591},{"url":391},{},{"id":594,"data":1472,"type":42,"tunes":1473},{"text":596,"level":234},{},{"id":599,"data":1475,"type":318,"tunes":1483},{"content":1476,"stretched":43,"withHeadings":14},[1477,1478,1479,1480,1481,1482],[603,604],[606,607],[609,610],[612,613],[615,616],[618,619],{},{"id":622,"data":1485,"type":240,"tunes":1486},{"text":624},{},{"id":627,"data":1488,"type":42,"tunes":1489},{"text":629,"level":234},{},{"id":632,"data":1491,"type":240,"tunes":1492},{"text":634},{},{"id":637,"data":1494,"type":240,"tunes":1495},{"text":639},{},{"id":642,"data":1497,"type":240,"tunes":1498},{"text":644},{},{"id":647,"data":1500,"type":240,"tunes":1501},{"text":649},{},{"id":652,"data":1503,"type":42,"tunes":1504},{"text":654,"level":234},{},{"id":657,"data":1506,"type":240,"tunes":1507},{"text":659},{},{"id":662,"data":1509,"type":240,"tunes":1510},{"text":664},{},{"id":667,"data":1512,"type":42,"tunes":1513},{"text":669,"level":234},{},{"id":672,"data":1515,"type":240,"tunes":1516},{"text":674},{},{"id":677,"data":1518,"type":240,"tunes":1519},{"text":679},{},{"id":682,"data":1521,"type":42,"tunes":1522},{"text":684,"level":234},{},{"id":687,"data":1524,"type":240,"tunes":1525},{"text":689},{},{"id":692,"data":1527,"type":240,"tunes":1528},{"text":694},{},{"id":697,"data":1530,"type":42,"tunes":1531},{"text":699,"level":234},{},{"id":702,"data":1533,"type":240,"tunes":1534},{"text":704},{},{"id":707,"data":1536,"type":240,"tunes":1537},{"text":709},{},{"id":712,"data":1539,"type":281,"tunes":1540},{"code":714},{},{"id":717,"data":1542,"type":240,"tunes":1543},{"text":719},{},{"id":722,"data":1545,"type":42,"tunes":1546},{"text":724,"level":234},{},{"id":727,"data":1548,"type":240,"tunes":1549},{"text":729},{},{"id":732,"data":1551,"type":240,"tunes":1552},{"text":734},{},{"id":737,"data":1554,"type":240,"tunes":1555},{"text":739},{},"Post erfolgreich abgerufen",{"items":1558,"source":1615,"manualIds":1616,"manualMatchedIds":1617},[1559,1566,1573,1580,1587,1594,1601,1608],{"id":1560,"slug":1561,"title":1562,"excerpt":1563,"featuredImage":1564,"publishedAt":1565},"494","air-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access","Air-Gapped AI: как работают ИИ-системы без интернета и облачного доступа","AI-системы в изолированной среде запускают модели, RAG и AI-приложения внутри изолированного домена безопасности без зависимости от интернета или облачных сервисов. Узнайте, как модели, данные, обновления и инструменты работают в автономном режиме.","\u002Fuploads\u002F2026\u002F10\u002Fair-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access-1791487983978-e6xqf0.webp","2026-10-08T11:32:00.000Z",{"id":1567,"slug":1568,"title":1569,"excerpt":1570,"featuredImage":1571,"publishedAt":1572},"482","adr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing","ADR vs NFR: архитектурные решения и качество системы — это не одно и то же","ADR против NFR: узнайте, как требования к качеству системы определяют архитектурные решения, как ADR фиксируют компромиссы и почему валидация остаётся отдельной.","\u002Fuploads\u002F2026\u002F10\u002Fadr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing-1791475921511-6zgen1.webp","2026-10-08T12:11:00.000Z",{"id":1574,"slug":1575,"title":1576,"excerpt":1577,"featuredImage":1578,"publishedAt":1579},"491","ai-governance-models-data-permissions-risk-and-auditability","Управление ИИ: модели, данные, разрешения, риски и аудируемость","Управление ИИ определяет, кто может утверждать, эксплуатировать, изменять и проводить аудит систем ИИ на уровне моделей, поставщиков, данных, разрешений, рисков, оценки и на протяжении всего жизненного цикла.","\u002Fuploads\u002F2026\u002F10\u002Fai-governance-models-data-permissions-risk-and-auditability-1791485901301-g60xyu.webp","2026-10-08T12:56:00.000Z",{"id":1581,"slug":1582,"title":1583,"excerpt":1584,"featuredImage":1585,"publishedAt":1586},"498","can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","Могут ли доказательства выжить в конвейере ИИ? — Цепочка сохранения доказательств","Доказательство может быть корректным в источнике и всё же стать ненадёжным после парсинга, нормализации, разбиения на фрагменты, извлечения и сборки контекста. Цепочка сохранения доказательств отслеживает, сохраняются ли идентичность, происхождение, область действия и смысл на всём протяжении конвейера ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain-1792096396174-urdg9z.webp","2026-10-15T16:31:00.000Z",{"id":1588,"slug":1589,"title":1590,"excerpt":1591,"featuredImage":1592,"publishedAt":1593},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","Суверенный ИИ: контроль над моделями, данными, инфраструктурой и зависимостями","Суверенный ИИ — это эффективный контроль над моделями, данными, инфраструктурой, программным обеспечением, операциями и стратегическими зависимостями, а не просто место размещения модели ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":1595,"slug":1596,"title":1597,"excerpt":1598,"featuredImage":1599,"publishedAt":1600},"381","enterprise-grade-multi-tenant-architecture-for-an-international-platform","Мультитенантная архитектура корпоративного уровня для международной платформы","Loving Rocks является корпоративной свадебной платформой, разработанной с истинной многоарендной архитектурой, изолированными базами данных для каждого арендатора и встроенной интернационализацией для глобальной масштабируемости, безопасности и долгосрочной операционной стабильности.","\u002Fuploads\u002F2026\u002F01\u002Fenterprise-grade-multi-tenant-architecture-for-an-international-platform-1769789121298-b6v7ak.webp","2026-01-30T12:04:00.000Z",{"id":1602,"slug":1603,"title":1604,"excerpt":1605,"featuredImage":1606,"publishedAt":1607},"481","generative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing","Генеративный ИИ: модели, поиск, инструменты и приложения — это не одно и то же","Генеративный ИИ — это больше, чем модель. Узнайте, как модели, поиск информации, инструменты, контекст, среды выполнения и приложения сочетаются друг с другом в производственных системах ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fgenerative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing-1791475411822-pp0dvz.webp","2026-10-08T12:00:00.000Z",{"id":1609,"slug":1610,"title":1611,"excerpt":1612,"featuredImage":1613,"publishedAt":1614},"492","mcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits","MCP: объяснение — что он подключает, чего не делает и где ему место","Протокол контекста модели соединяет приложения ИИ с внешними инструментами, ресурсами и подсказками через стандартную границу клиент-сервер. Узнайте, что делает MCP, чего он не делает и где он вписывается в архитектуру агента.","\u002Fuploads\u002F2026\u002F10\u002Fmcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits-1791486640275-7ub1cq.webp","2026-10-08T15:09:00.000Z","fallback",[],[]]