Cách đọc kết quả

Chúng tôi đo bằng gì

Điểm rủi ro được ghép từ ba tín hiệu, mỗi tín hiệu chỉ là một proxy (dấu hiệu gián tiếp), không tín hiệu nào là bằng chứng. Trọng số đã được nắn lại theo đúng kết quả benchmark bên dưới.

Số benchmark thật (kể cả điểm yếu)

Đây là kết quả spike Giai đoạn 0: dựng engine tối giản, chạy trên model Qwen2.5-0.5B, đo trên 107 mẫu Việt + Anh có cài các ca khó (văn đã humanize, hybrid, văn ngắn, văn trang trọng/ESL).

AUC càng gần 1.0 càng tốt; 0.5 là đoán mò. Perplexity đơn AUC 0.573 (gần như tung đồng xu); văn phong AUC 0.754 (khá hơn nhưng vẫn chưa đủ tin để phán quyết). FPR (tỉ lệ gắn cờ oan văn người) ở ngưỡng chung là 10.3%.

Đọc đồng hồ đo (gauge)

Đồng hồ hiển thị mức rủi ro bị gắn cờ 0-100%, chia ba dải màu. Nhãn nói về RỦI RO, không nói về "phần trăm là AI".

Ba thanh tín hiệu

Tuyên bố độ tin cậy

Mỗi kết quả luôn kèm mức độ tin cậy (cao / vừa / thấp). Độ tin cậy tự động HẠ khi văn bản rơi vào các trường hợp benchmark cho thấy engine kém ổn định:

• Văn ngắn (dưới ~200-300 từ) — recall thấp, dễ nhiễu.
• Ngôn ngữ ngoài tiếng Anh — benchmark tiếng Việt yếu hơn tiếng Anh.
• Văn trang trọng hoặc người viết ESL — nhóm bị gắn cờ oan nhiều nhất.

Độ tin cậy thấp KHÔNG có nghĩa "chắc chắn là người" — nó có nghĩa "đừng dựa vào con số này để kết luận".

Vì sao là "rủi ro", không phải "phán quyết"