林薇把最后一口乌龙茶喝完，瓶子捏扁，扔进回收箱。

“信不信不重要。

做不做才重要。”

她们回到工位的时候，系统锁定已经解除。

林薇重新戴上耳机，点开下一条任务。

这次是一个文本段落，AI生成的新闻报道，标题是“本市第三季度失业率环比下降百分之零点三”，正文充满了官方口径的用词和数据引用。

林薇扫了一遍，发现文中的“失业率”概念被偷换了，把“登记失业率”和“实际失业率”混为一谈，制造出一种形势大好的假象。

这种把戏她见过太多次了，不新鲜。

她快速勾选“文本真实性存疑-概念偷换”，标注了具体的词条，提交。

第三百五十条。

然后是下一条。

再下一条。

每一条都像一粒子弹从她的指尖射出去，击中标靶，弹壳弹出，循环往复。

她的视觉皮层在处理连续不断的图像信息中逐渐变得麻木，色彩和形状开始失去意义，只剩下标签：违规。

可疑。

需进一步核查。

安全。

安全。

安全。

安全是个很少用到的标签，就像一把从不拔出的剑，它存在的意义更多是提醒你还有其他选项，虽然你几乎用不上。

下午四点左右，王组长从办公室走出来，手里拎着一沓打印好的报表，沿途在每个工位前停一下，放一张。

林薇拿起那张纸，上面是本周的“审查质量回溯报告”。

她扫了一眼自己的名字后面跟着一串数据：上周总处理量两千九百一十三条，准确率百分之九十八点二，误判率零点七，漏判率一点一。

漏判率比公司红线高出零点三。

王组长用红笔在漏判率数字下面画了一道线，旁边批了一个小字：“关注。”

林薇把那张纸折了两折塞进抽屉里。

漏判率偏高她知道原因，上周有三条深度伪造内容从她手里滑过去了，事后被复查系统抓了回来。

那三条内容的生成质量极高，其中一条甚至通过了她的三次复核。

她后来专门研究了那三条的生成特征，发现它们用了一种很新的对抗训练方法，专门针对市面上主流的检测模型做了优化。

技术部到现在还没给出针对性的更新方案，但漏判率是记在她头上的。

她打开内部通讯软件，给技术部负责检测模型迭代的工程师方宇发了一条消息：“Gx-7的渲染签名特征我标记了，但今天又看到一条疑似变种，瞳孔边缘色晕位置从内圈移到了外圈，你们那边有新的检测补丁吗？”方宇过了几分钟回了一个短句：“在做了。

原型大概后天能跑通。”林薇盯着那个“在做了”看了好几秒。

在做了。

她知道这意味着什么，意味着后天之后还有测试，测试之后还有部署，部署之后还有灰度验证，等她真正用上能检测这个变种的工具时，下一个变种早就冒出来了。

这是一场永远在追赶的战争，她跑得再快，对手也只比她快半步。

快下班的时候，系统推了一条优先级不高但标注了“跨部门联审”的任务。

林薇点开一看，是一组由AI生成的儿童绘本插图，画风温馨，色调柔和，小兔子戴着围巾在雪地里堆雪人。

但联审备注里写着：“画面背景中多次出现特定建筑轮廓，经地理空间比对，与某边境争议地区的标志性地标相似度超过百分之八十七。

请评估图像内容的地缘政治敏感性。”林薇揉了揉眼睛。

她把那些插图一张张放大，小兔子的雪人旁边确实有一排低矮的、拱顶的建筑，被雪覆盖了大半，但轮廓特征还在。

她调出地理信息数据库进行比对，相似度百分之八十九点四。

这算什么？

算法在生成“温馨雪地”的时候随机抓取了一组建筑素材？

还是有人刻意在提示词里嵌入了地标信息？

前者是偶然偏差，后者是恶意渗透。

两种可能的处理方式完全不同，前者只需要在训练数据中做清洗，后者需要启动安全预案。

但林薇面临的现实是：她只有图像本身，没有生成日志，没有提示词记录，没有任何上下文。

她能做的只是标注“存在地缘敏感性关联，建议技术部核查训练数据来源”，然后把问题抛给下一个环节。
本章已完成！