10 亿 Token 造鸟仍需专业审校

为观鸟应用制作配套素材，一个全球鸟类贴纸库消耗了超过 10 亿 Token，试图覆盖全球现生鸟类。批量生成之外，项目还安排了 AI 审图、打分，形成了一套自动化制作流程。但当这些图片被推荐用于自然教育课件和儿童鸟卡时，决定它们是否适用的，是鸟类特征有没有画对，而非生成数量或评分是否达标。

这套流程的问题，可以从一只游隼的脚看清楚。爱范儿记录的案例显示，贴纸中的游隼被画出了偏细的爪型。项目方回查后发现，参考照片是从树下仰拍的，腿脚受到腹羽和树枝遮挡；脚本抠掉树枝后，生成环节补出了细爪，负责审图的 AI 又没有检查腿脚的粗细比例。

这里连续发生了三个不同的问题。参考照片没有完整呈现腿脚，留下了信息缺口；生成环节给缺口补上了可见形态，却没有正确还原物种特征；审核环节遗漏了这个检查项目，于是未能拦下错误。最终，图片看起来完整了，缺失的信息却没有得到可靠核实。

这也是自动评分的局限所在。评分只能反映一张图在既定检查标准下的表现。如果标准没有覆盖腿脚比例，分数便无法回答这项特征是否准确。游隼案例说明，生成与审核可以连续漏过同一处问题；多一道自动化工序，并不必然多一道有效保障。

项目自身的评分记录进一步暴露了质量把关的问题。初代公开图库中，3388 张图片未达到项目自行设定的 80 分及格线，仍被收录，其中 109 张甚至低于 70 分。这首先说明，项目连内部设定的发布门槛都没有严格执行。但这些数字也不能被直接解释为错误图片的数量：内部评分与专业判断之间，还缺少物种知识的核对。

爱范儿还指出，项目后来更换了 AI 评分标准，重新评估一万多张图片，并宣布全部过线，但图库始终没有经过鸟类学专家的系统审校。新标准下的通过结果，不能单独证明此前的问题已被修正。若要据此判断图库适合教育用途，还需要说明检查覆盖了哪些特征，以及已发现的错误是否得到核实。

教育用途提高了这项工作的要求。项目一边推荐用户制作自然教育课件和儿童鸟卡，一边说明这些图片是插画而非图鉴，并邀请鸟友提交纠错。插画当然可以用于科普，但画风的选择不能代替对物种特征的核对。对于不熟悉鸟类的使用者，游隼爪型这样的错误，恰恰不像明显的畸形那样容易察觉。

从这一案例出发，本文的判断是：面向教育用途发布，专业审校应当参与确定检查项目、核实关键形态，并明确哪些图片仍存疑，而不只是等发布后接收反馈。对无法确认的部分保留缺口，比用完整画面掩盖不确定性更负责。原项目在重画仍不理想时选择保留高分图、不留空，这种做法优先保证了图库齐全，却没有解决准确性问题。

社区纠错可以帮助发现遗漏，却无法保证每张图片都有人及时检查。游隼的问题能够被指出，不意味着尚未收到反馈的图片已经得到验证。同样，一个已知错误也不足以证明全部贴纸均不可信。这个项目真正需要补上的，是从内部评分到专业核验之间的步骤：在推荐图片进入课堂之前，先确认它们是否足以承担传递知识的责任。