核心 GUIDE
Claim–Evidence Matrix（主张-证据矩阵）
Claim–Evidence Matrix 把重要 Conclusion 与 Supporting / Contradicting Source、Provenance、Freshness、Confidence 对齐，使 Research 在压成 Narrative 之前可以被 Audit。
核心心智模型
把每个重要 Claim 看成一行，它必须由 Evidence “赚到”出现在最终输出里的资格。Source 不是写完后补的 Decoration，而是暴露 Support、Conflict、Missing Proof 的 Structured Input。
为什么重要
Research Assistant 可以生成非常流畅的 Synthesis，却隐藏 Weak Provenance，或者把多个引用同一原报告的 Article 当成独立支持。Matrix 会把 Independence 与 Conflict 显式化，并让 Reviewer 快速判断 Claim 是 Ready、Disputed 还是 Unsupported。
01
把 Claim 与决定其资格的 Evidence 分开
把 Candidate Claim 写到 Reader 可以挑战的粒度。为每个 Claim 记录 Supporting Source、Contradicting Source、Original Provenance、Date 与 Independence Note；标记 Evidence 是 Direct 还是 Inferred，以及 Claim 是 Ready、Needs Qualification 还是 Unresolved。Evidence State 明确后再生成 Prose。
02
示例：五篇 Article 看似共同确认一个 Market Number
Research Agent 找到五篇 Article 都引用相同 Market-size Figure，于是报告“多来源强共识”。Matrix 追踪后发现五篇都来自同一 Vendor Report，真正独立 Source 只有一个；另一来源给出不同 Estimate。最终 Claim 改写成带 Provenance 的 Range，而不是假共识。
常见失败模式
- 把 Syndicated / Derivative Source 计为独立 Confirmation。
- 保存 Citation，却不记录它具体支持哪个 Claim。
- Reviewer 看到前就把 Conflicting Evidence 压成一个 Average。
工程启发
- 追踪重复 Coverage 背后的 Original Provenance。
- 重要 Claim 必须指向明确 Supporting Evidence Row。
- 在 Matrix 中把 Contradiction 与 Uncertainty 保留为状态。
关键结论
- 01Evidence Quality 取决于 Provenance 与 Independence，不是 Citation Count。
- 02Matrix 能在 Narrative Compression 前暴露 Unsupported Claim。
- 03Research Synthesis 在 Disagreement 可观察时更可靠。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。