docs: refine AI candidate proposition (#56)

Co-authored-by: tradecatlabs <288998340+tradecatlabs@users.noreply.github.com>

README.md

@@ -96,11 +96,11 @@
 
 ### 四、隔离审查
 
-> **AI 生成结果不是事实本身；长期假设 AI 输出可能是错误的、非最优的、可继续优化的。**
+> **AI 生成结果只是候选解，不是已验证事实；长期应默认其可能错误、非最优，并必须保留审查、验证与优化空间。**
 
 成熟 AI 工程的重要治理原则，不是让同一个上下文自我确认，而是把生成、审查和验证拆开。NIST 强调独立审查可以降低偏见和利益冲突；OpenAI 与 Microsoft 都把外部测试、红队和独立评估作为发现盲点的重要机制；LLM-as-a-judge 研究也指出，模型评价自身输出时可能存在自偏好。
 
-因此，长期使用 AI 时，应默认其输出只是一个待验证、待审查、待优化的候选解。重要产出必须新开隔离会话，明确告知审查 AI：上一轮结果不可信，不能沿用结论，必须重新阅读原始资料、业务代码、目标、约束和验证结果，用事实、测试和可追溯证据判断其是否成立。AI 输出默认只是候选结果，不是已验证事实；同一上下文不能自证正确，重要产出必须隔离审查。
+因此，长期使用 AI 时，重要产出必须新开隔离会话，明确告知审查 AI：上一轮结果不可信，不能沿用结论，必须重新阅读原始资料、业务代码、目标、约束和验证结果，用事实、测试和可追溯证据判断其是否成立。
 
 AI 负责生成候选解，隔离上下文负责审查和优化候选解，事实与验证负责裁决候选解。