Curso / Aula 1 de 6
15 min · caso real sanitizado
O contrato de verdade
Objetivo: Classificar qualquer afirmação derivada em exatamente uma de oito classes de verdade — e recusar promoções por repetição, popularidade ou confiança do autor.
Primeiro, em linguagem simples
Num corpus grande, a maioria das frases é alguém afirmando algo — não algo provado. O contrato de verdade obriga cada afirmação derivada a carregar uma etiqueta honesta: o que eu observei com meus próprios bytes, o que a fonte apenas declara, o que duas origens independentes confirmam e o que colide.
A regra de ouro: nenhuma repetição, popularidade ou confiança do autor promove um claim. Uma frase dita mil vezes pela mesma origem continua sendo uma declaração dessa origem.
Abra a camada técnica
Todo claim derivado usa exatamente uma destas oito classes e guarda recibo curto, localização textual ou media id, confiança e relações de corroboração/conflito:
| Classe | Significado operacional |
|---|---|
OBSERVED_LOCAL | Observado diretamente nos bytes/objetos locais, sem interpretação. |
SOURCE_CLAIM | A fonte afirma; nós não verificamos. Repetição não promove. |
CORROBORATED | Duas ou mais origens independentes convergem. |
INFERENCE | Derivado por regra declarada; o rótulo nunca é escondido. |
PRODUCT_HYPOTHESIS | Ideia de produto; permanece hipótese até prova real. |
VALIDATED | Provado no caminho real por verificador independente. |
CONFLICT | Evidências colidem; o claim aponta para todas elas. |
UNKNOWN | Não há evidência em nenhuma direção — declarado, não disfarçado. |
Na missão real, dos 1.087 claims finais: 990 SOURCE_CLAIM · 66 CORROBORATED · 16 PRODUCT_HYPOTHESIS · 8 INFERENCE · 5 OBSERVED_LOCAL · 2 CONFLICT. A fila de validação com ~998 declarações permanece aberta — e está tudo bem.
O caso central: a manchete contra o próprio gráfico
Um artigo-semente público trazia a manchete “mais de 1/3 dos PRs já são aprovados agenticamente”. A manchete é um SOURCE_CLAIM legítimo — até que se olhe o próprio gráfico do artigo: a série visual mostra um pico breve de ~34–35% e um endpoint de ~28%.
A manchete não é “verdadeira” nem “falsa” de graça: ela colide com a evidência visual da mesma fonte. O claim foi registrado como CONFLICT (claim_3f369af58cbd) apontando para as duas evidências — A (texto da manchete) e B (série do gráfico). Resolver a colisão exigiria dados primários; declarar o conflito é a verdade disponível.
Promover ou não?
Para cada caso, decida: promover a classe do claim, manter a classe ou marcar CONFLICT.
Caso A · “suporta 40 integrações”
O README de um repositório afirma suporte a 40 integrações. A frase aparece em três páginas do mesmo README.
Caso B · a mesma contagem, duas vezes
Dois builders independentes derivam a mesma contagem de itens a partir dos mesmos bytes, por caminhos de código diferentes.
Caso C · “mais de 1/3 dos PRs”
A manchete diz “>1/3 dos PRs aprovados agenticamente”; o gráfico do próprio artigo mostra pico breve de ~34–35% e endpoint de ~28%.
Caso D · “isso daria um ótimo produto”
Um padrão recorrente no corpus inspira uma ideia de produto, anotada com convicção pelo analista.
Caso E · o piloto que rodou duas vezes
Um piloto de reconciliação rodou duas vezes sobre ~19 GB reais, byte-idêntico, com verificador independente recomputando cada recibo.
Caso F · o recall semântico
Pergunta: o processamento cobriu todo o significado do corpus? Não há medida em nenhuma direção.