先看是否真的矛盾
一份报告说服务用户在增长，另一份说使用的人减少了。决定相信谁之前，先看各自数什么：前者可能统计所有曾经注册的人，后者统计本月活跃的人。两者可以都对。只总结成“来源有分歧”，就漏掉了有用发现：注册增加，当前使用却下降。
把每项说法与支持它的原文并列，注明研究对象、时间、指标和比较对象。例如远程工作的生产率，要问研究了哪些工作和员工，又怎样测生产率。先比实际结果，再比标题。
还要检查结论是否超出研究范围。Yarkoni讨论了研究者作出统计分析无法支持的宽泛主张，尤其是向受测任务或环境之外推广的问题。[4] 某个人群的发现可以有用，却未必回答了所有人群的问题。
先检查两份报告是否回答同一个问题。
摘要旁边保留原始发现
合并多份报告时，很容易想把措辞统一。这样便于阅读，却可能隐藏重要差别。在缩短的表述旁保留原文、数字、单位和语境，才能看出改变了什么。
三角互证规程是一种有条理地比较不同方法所得发现的办法，区分一致、部分一致、未涉及和不一致。[1] “未涉及”指一组发现没有回答另一组涉及的问题。没有问等待时间的问卷，不会反驳访谈中“等了很久”的讲述；访谈可能补上问卷没问到的经历。
下结论前，把发现并列成表。O’Cathain等人介绍了用表格查看这些关系，以及检查不符合初步解释的案例的方法。[2] 再加一个问题：什么条件下，两项发现可以同时为真？下一步调查就具体了。
核对可比性，追查证据从哪来
先查定义和计算。“用户”是账户、人还是会话？百分比的分母是所有受邀者，还是只包括回答者？再比较日期、地点、产品版本、研究纳入条件和结果观察期。适当时换算单位，但不能给不同指标相同名称，就假装它们等价。
考虑每种来源能说明什么。预测估计未来，最终报告记录已经发生的事。一个人的叙述可以记下故障，却不能说明多普遍。行政记录统计已上报案例，可能漏掉从未联系服务的人。这些资料可以服务于同一问题，却回答不同部分。
把重复说法追到依据。三份报告可能都引用同一项调查：出版物有三份，测量却只有一次。标明共享的调查、数据和样本，分清新分析与新收集的证据。重复本身不是独立确认。
三份报告引用同一项调查时
说明用示例：三份出版物，一次测量
三份报告引用同一项调查，仍只依赖一次测量。
用平实的语言说明差别
直接描述剩余问题：报告对成功定义不同，研究的人不同，时期不同，还是测量方法不同？也可能观察到相同结果，却对原因有不同解释；或对事实一致，却对结果是否可以接受有分歧。
描述应帮助选择下一项核查。定义不同，就比统计了什么；时期不同，就找相同日期；怀疑测量错，就查数据或换一种测量。解释作出不同预测时，找办法测试预测。如果争论的是能接受什么取舍，就明确判断标准，继续搜索未必能解决。
多个差别可能同时重要。后来的研究也许既换了人群，又用了更严格的成功定义。核查前保留两种可能。书面政策与实际经历不同，也要记录。随新发现更新解释，简要记下每项核查排除了什么。
比较旁保留原始段落。核查有新发现时，更新解释。
问平均值会隐藏什么
研究可比时，合并结果有帮助。但先看效果方向、大小、不确定性，以及研究的人和条件。如果服务对需要支持的人群变差，平均改善并不能让人放心。
Cochrane指南提醒，随机效应元分析不能解释掉研究间差别。它允许效果不同，再估计平均值，但研究结果方向不同时，平均可能误导。[3] 并列比较有时比一个合并数字更有用。如果看完结果才想到亚组解释，应把它当成待检验假设，而不是已经成立的规律。
问这项决策需要知道什么。总体完成率不错，团队仍可能需要理解为什么旧手机或某种语言的完成率下降。报告结果看似成立和发生变化的条件。观察太少、无法判断差异是否可靠时，也要说明。
找一项能区分解释的核查
假设一个团队认为人们放弃申请是因为说明难懂，另一个认为等待太久。两种解释都符合低完成率。保持等待不变、只简化说明，或保持措辞不变、只缩短等待，会发生什么？看新结果前，先写下各自预测。
支持竞争理论的研究者，有时会共同设计这样的测试，称为对抗式合作。2025年一项关于两种意识理论的研究，事先约定预测和测试，跨多个实验室和方法开展。结果支持部分预测，也挑战了双方的重要主张。[5] 没有简单决出胜者，共同测试仍让分歧更清楚。
日常研究中，可以请了解情况的批评者一起改进两种解释，选择有用核查：记录、现场走访、比较案例或小干预。约定什么结果会削弱各自解释。没有可行核查能区分时，就说明限制，考虑能随新证据调整的行动。
如果每种解释正确，分别应该观察到什么？
用AI找差别，再核实
AI能帮忙比较段落、发现用词变化、追踪重复引用，并提出可能原因。要求它返回确切说法、支持段落、疑似差别和待查事项。把输出当成要与来源对照的线索清单。
Chain-of-Verification先起草答案，提出核查问题，分别回答，再修订答复。它在受测任务中减少了幻觉。[6] 研究中可以借鉴，把整理分歧与检查分开。检查时回到原始日期、引语、样本和计算，不只问初稿是否听起来合理。
模型辩论在部分评估中改善了推理和事实回答。[7] 其他实验却发现，一个故意误导的智能体能把群体说服到错误答案，增加数量或轮次也无法可靠修复。[8] 模型一致还不够。重要结论要用来源材料或适当的现实核查验证，未解决异议也要保留。
给出证据支持得住的答案
“证据不一致”告诉读者的太少。解释哪些发现有支持、哪些仅适用于特定条件、哪些仍未解决。分清事实争议和可接受性争议。缺失的人群或结果限制了答案时，也要指出。
把答案接到决策上：现在合理能做什么？什么应容易撤回？还要查什么，谁在何时完成？不确定性未解决就建议行动时，解释等待和判断错误各自的代价。事情紧急，不会使证据更强。
有用答案可能比希望的窄：服务在一种环境有用，两份报告数的是不同东西，或当前证据不能区分两个原因。解释怎么得到答案，以及什么会改变它。分歧能指出下一步该调查什么时，就有价值。