自動化HS稅號準確率：GingerControl的99.86%量測的是什麼？
Chen Cui Co-Founder of GingerControl 這次更新：明確2025年9月ATLAS歷史測試的樣本和限制，移除無依據的準確率比較，並修正相關罰款與文件主張。
自動化HS稅號準確率取決於位碼層級、正確答案的判斷標準及受測產品。GingerControl的API使用Quick分類線，在自己對1,000多項產品的內部測試中，10碼層級為99.86%，屬於第一方測試。2025年9月22日ATLAS論文在200筆來自CROSS的測試樣本上測得，6碼層級GPT-5-Thinking為55.5%、Gemini-2.5-Pro-Thinking為31.0%。這些歷史結果來自另一資料集，不能直接與GingerControl比較，也不能代表目前準確率上限。
什麼樣的HS稅號準確率基準測試，才禁得起正式環境的考驗？
一個有用的HS稅號準確率數字，要說清楚三件事：位碼層級（6位碼是國際HS層級，美國進口申報通常使用10碼HTSUS稅號）、正確答案是怎麼定的，以及測了哪些產品、由誰來測。GingerControl自己的數字，也就是10位碼層級的99.86%，來自對1,000多項產品做的內部測試，所以也要拿同樣三個問題檢驗它。2025年9月22日發表的ATLAS歷史結果使用另一測試集，不能把GingerControl與受測模型直接排名。
評估準確率宣稱，要看位碼層級、正確答案的判斷標準及測試集。GingerControl的自動化HS稅則分類API使用Quick分類線，在自己對1,000多項產品的內部測試中，10碼層級為99.86%，屬於第一方測試。其設計編碼GRI 1到6、檢查類注與章注，並引用CROSS裁定。2025年9月22日發表的ATLAS論文在200筆測試樣本上測得，微調Atlas模型在10碼層級為40.0%、6碼為57.5%。資料集不同，不能直接排名；該研究也沒有確定架構或模型規模是否造成這些差異。
為什麼多數自動化HS稅號準確率宣稱都沒有意義
如果你評估過HS稅則分類API，大概都看過像「95%準確」或「業界領先準確率」這類沒有附上任何方法論的宣稱。這些數字通常站不住腳，原因有三個。
量測層級錯誤。 一家供應商若在2位碼章的層級宣稱95%準確率，其實只是在說系統有沒有正確判斷出「第85章：電機設備」還是「第84章：機械器具」。這種比較掩蓋了真正要緊的部分：6位碼的目決定的是國際分類,10位碼HTSUS號列決定的才是美國實際課徵的稅率。
測試集錯誤。 許多供應商是拿自己訓練資料裡挑選出來的範例，或是為了測試特別寫出來的人工產品描述做評估。正式環境流量看起來完全不是這樣。真實的產品描述常常不完整、模稜兩可，還充滿供應商的簡寫。真正要緊的準確率，是正式流量上的準確率，不是基準測試上的準確率。
基準錯誤。 有些供應商拿自己的輸出跟其他自動化系統比對，把一致率當成準確率來宣稱。這不是準確率，而是共識，而文字比對系統之間的共識，通常會收斂到同一批錯誤答案，因為它們犯的都是同一種錯誤。
一個誠實的準確率宣稱，必須包含三個要素：位碼層級、基準方法，以及測試集組成。
GingerControl的99.86%量測的是什麼
GingerControl的數字，是它在自己對1,000多項產品做的內部測試中，於10位碼層級達到的99.86%，測的是它的API使用的Quick分類線。這是第一方測試，不是獨立基準。拿檢驗任何供應商數字的同樣三個問題來檢驗它：位碼層級、正確答案怎麼判定，以及測試集裡有哪些產品。上一節說明了每個問題為什麼重要。
準確率背後的三項架構決策
以下三項設計說明GingerControl的做法；ATLAS研究沒有量測它們各自對準確率的貢獻。
1. 確定性GRI 1到6邏輯，與機率層分開
解釋準則不是經驗法則，而是HS分類的法律本體，依嚴格順序套用：
- GRI 1： 分類由節條文，以及相關類注與章注決定
- GRI 2： 未完成與未完工物品;混合物與組合物
- GRI 3： 可能落入兩個以上節的商品（3(a)最具體、3(b)基本特徵、3(c)數字順序在後者優先）
- GRI 4： 前述規則都無法適用的商品
- GRI 5： 容器與包裝材料
- GRI 6： 目層級分類，依同一套規則套用在同層級的目之間
GingerControl把這些規則編碼為分類引擎裡的確定性規則。機率模型可能會因為描述強調外觀，就「判定」一項複合商品的本質是它的外殼，但GRI 3(b)衡量的是HS 註解列出的因素：每種材料或零件的性質，它的體積、數量、重量或價值，以及它在貨品用途上扮演的角色。GingerControl會記錄是哪個零件賦予商品基本特徵，以及理由。
2. 類注與章注被當作排除條件執行，而不是提示
類注與章注是能夠推翻文字相似度的法律排除與納入條款。一根直徑超過1公釐的尼龍單絲，在文字上像紡織紗線，但第十一類註解一把這種尺寸的單絲排除在紡織品類之外，它要按塑膠歸入第39章。通用型LLM可能會在推理段落裡引用這條註解，卻依然輸出紡織品的稅號。確定性執行層做不到這件事，因為排除條款是硬性規則。
GingerControl把類注與章注當作硬性排除條件執行。只要有一條注釋排除某個節，那個節就不會出現在候選集合中。
3. 分類過程中即整合CROSS裁定，而不是事後才整合
CBP CROSS裁定是美國分類的先例，也是最接近專家分類推理的現成語料庫。GingerControl的Classification Researcher在分類過程中讀取類似的CROSS裁定，並把它們當成決策依據。
相反的做法，也就是在稅號判定完成後，把CROSS裁定當作裝飾性註腳引用，在市面上行銷的AI分類器中很常見。這種做法製造出法律依據的外觀，卻沒有任何法律實質。這個差異很關鍵，因為在專家分類中，先例是用來形塑當下的決策，而不是用來替已經做成的決定辯護。
GingerControl準確率跟其他方法的比較
| 方法 | 準確率數字 | 來源／量測方式 |
|---|---|---|
| GingerControl（API使用的Quick分類線） | 10位碼層級99.86% | GingerControl自己對1,000多項產品做的內部測試；第一方測試，不是獨立基準 |
| 經驗豐富的人類報關專員 | 未經公開基準測試量測 | 沒有公開發表的一致率 |
| 微調LLM（Atlas，LLaMA-3.3-70B） | 6位碼57.5%（10位碼40.0%） | 2025年9月22日ATLAS歷史測試 |
| 通用型LLM（GPT-5-Thinking） | 6位碼55.5%（10位碼25.0%） | 2025年9月22日ATLAS歷史測試 |
| 通用型LLM（Gemini-2.5-Pro-Thinking） | 6位碼31.0%（10位碼13.5%） | 2025年9月22日ATLAS歷史測試 |
| 關鍵字／文字比對API | 沒有公布數字 | 沒有公開基準 |
| 資料庫查找式分類 | 沒有公布數字 | 沒有公開基準 |
這些是2025年9月22日ATLAS論文中受測模型在200筆樣本測試集上的歷史結果。GingerControl未參加該測試，其內部結果來自另一資料集。這些數字不能證明目前的準確率上限，也不能直接用來排名廠商。
2025年9月ATLAS基準測試量測了什麼？
Flexify.AI研究人員於2025年9月22日發表的ATLAS論文，用200筆來自CROSS的測試樣本評估了具名模型版本。其歷史完全吻合率包括：
- 完全正確的10位碼分類（它微調的Atlas模型）： 40%
- 6位碼分類（它微調的Atlas模型）： 57.5%
- 對照： 在這項歷史測試的10位碼層級，微調的Atlas模型（LLaMA-3.3-70B）比GPT-5-Thinking高15個百分點，比Gemini-2.5-Pro-Thinking高26.5個百分點
這些結果描述的是受測模型版本在該資料集上的表現。研究未測試商用分類API或GingerControl，也沒有定義合規等級的準確率門檻。
在該測試的10碼層級，Atlas比GPT-5-Thinking高15.0個百分點，比Gemini-2.5-Pro-Thinking高26.5個百分點。這項比較沒有單獨檢驗模型規模、訓練、檢索或法律推理架構是否造成差異。
6位碼準確率不到90%，財務代價有多大
準確率不是一個抽象指標。每一個百分點的誤植分類，都會轉化為關稅曝險、裁罰曝險與稽核成本上的實際金額。
關稅曝險。 一筆誤植分類可能改變基礎稅率，並讓Section 301（包括強迫勞動關稅）、Section 232或其他第99章層級的關稅被加上或漏掉。以一批100萬美元的貨為例，每差10個百分點的關稅，就是10萬美元的多繳或少繳。
19 U.S.C. 1592(c)下的裁罰曝險。 影響稅費計徵的一般過失，罰鍰上限為國內價值與依法少徵或可能少徵的關稅、稅款及規費2倍中的較低者；重大過失為國內價值與上述金額4倍中的較低者。不影響稅費計徵時，上限分別為完稅價格的20%及40%。詐欺上限為國內價值。CBP在2025財年完成465次法規稽核，並從進口商稽核中追回2.3547億美元（CBP貿易統計）。
合理注意義務抗辯。 文件化的方法論很重要。CBP合理注意義務出版品把諮詢報關專業視為合規證據。一套能產出跟報關專業人士相同證據（GRI推理鏈、類注／章注分析，以及CROSS裁定參照）的分類系統，可以支持合理注意義務抗辯。
買之前，怎麼驗證自動化HS稅號準確率
如果你在評估一套自動化HS分類工具，問供應商這四個問題：
- 準確率是在哪個位碼層級量測的？ 6位碼是國際HS層級，美國關稅取決於完整的10位碼。GingerControl的數字是10位碼層級的。
- 正確答案是怎麼定的？ 問清楚答案是誰定的、怎麼定的：已公布的CBP裁定、持照報關行的複核，還是另一套系統的輸出。和另一套自動化系統一致只是共識，不是準確率。
- 測試集是什麼，誰做的測試？ 問清楚它的規模、產品怎麼挑的，以及是供應商自己測的還是獨立第三方測的。GingerControl的99.86%來自它自己對1,000多項產品做的內部測試，屬於第一方測試。
- 推理從哪裡來？ 沒有稅號背後的推理，你就無法稽核一次錯誤，也無法證明盡到了合理注意義務。在GingerControl，推理來自Classification Researcher和GingerOS；API只回傳稅號和各層關稅，不附推理報告。
一家供應商如果無法對這四個問題給出具體答案，給你的是行銷數字，不是合規數字。
常見問題
最準確的自動化HS稅號產生器是哪一套？
GingerControl的Quick分類線在自己對1,000多項產品的內部測試中，10碼層級為99.86%，屬於第一方結果。2025年9月22日ATLAS論文在另一組200筆樣本的測試集上測得，6碼層級GPT-5-Thinking為55.5%、微調Atlas模型為57.5%。這些數字不能證明目前哪個商用工具最準確。GingerControl的設計把GRI 1到6編碼為確定性法律邏輯。
什麼會降低AI HS分類API的準確率？
產品事實不完整、稅則資料過期或錯誤運用法律註解，都可能導致分類錯誤。應使用自己經過複核的產品測試API，並檢查它如何處理模糊商品。2025年9月22日ATLAS研究在200筆樣本上量測具名模型的代碼吻合率；Atlas在6碼層級57.5%的結果，不能解釋目前商用API的表現，也不能證明其準確率上限。
HS稅號準確率該怎麼誠實量測？
一個誠實的準確率數字要說清楚三件事：位碼層級（國際是6位碼，美國關稅看10位碼）、正確答案是怎麼定的，以及測了哪些產品、由誰來測。GingerControl在10位碼層級的99.86%，是它自己對1,000多項產品做的內部測試，屬於第一方測試，所以請像對待任何供應商一樣，向我們問這三個問題。答不出來的供應商，報的通常只是行銷數字。
自動化HS分類比人類分類人員更準嗎？
一致性與準確率是不同的問題。應在同一批經過複核的產品上，評估重複輸出及正確稅號吻合率。GingerControl的內部測試及歷史ATLAS測試，沒有在同一資料集上比較其工作流程與持照報關行；每個稅號仍須在申報前複核。
99.86%準確率代表0.14%的分類是錯的嗎？
不完全是。10位碼層級的99.86%，是GingerControl的Quick分類線，在它自己對1,000多項產品做的內部測試中答對的比例；你的目錄是另一批產品，所以要拿其中一部分樣本來測試。出錯的通常是真正需要人工複核的模糊商品、輸入資料不足的商品，或是落在GRI 3(b)分歧點的商品。在Classification Researcher裡，模糊的商品會得到一個提問，而不是一個猜測；API則依你送出的描述來分類。
CROSS裁定整合怎麼提升準確率？
CBP CROSS裁定是最接近專家HS分類推理的現成語料庫。當分類引擎在分類過程中就讀取類似的裁定，這些裁定會主動形塑決策，而不是事後拿來當裝飾引用。對於已有拘束性裁定涵蓋的商品，這代表分類會與既有先例一致，同時提升準確率，也強化合理注意義務的文件。GingerControl的Classification Researcher是在分類過程中讀取CROSS裁定，而不是事後補上。
我的產品目錄應該預期什麼樣的準確率？
拿你自己目錄的一部分樣本來測試：GingerControl在10位碼層級的99.86%，來自它自己對1,000多項產品做的內部測試，而你的產品是另一批。對於複合商品、組合套件，或是需要GRI 3分析比重較高的目錄，預期會有更多產品需要複核；對於只含單一材質、單一功能商品的目錄，需要複核的會更少。
用你自己的目錄測試這套API
唯一有意義的準確率測試，就是你自己的目錄。如果你正在評估自動化HS稅則分類準確率，拿一批真實產品做樣本分類，對照專家複核過的正確答案比較看看。
Classification + Tariff Calculation API只限企業客戶，從一通電話開始；通話之後，GingerControl會依你的呼叫模式配發一把金鑰。預約通話。
如果需要的是全公司用的系統，而不是API，GingerControl會建置GingerOS，這是照你的流程、用現有的資料運作的AI貿易合規平台，有沒有ERP都可以。它從Prototype Week開始，這是報價之前的一步。看專案怎麼進行。
參考資料
[參考1] ATLAS：透過HTS分類進行全球貿易LLM基準測試與調適，arXiv 引用資料：200筆樣本的歷史測試；微調Atlas（LLaMA-3.3-70B）在10碼層級為40.0%、6碼為57.5%；GPT-5-Thinking為25.0%/55.5%；Gemini-2.5-Pro-Thinking為13.5%/31.0%；未比較GingerControl或檢驗架構的因果效果 來源：arXiv 2509.18400 發布：2025年9月22日
[參考2] CBP海關裁定線上查詢系統（CROSS） 引用資料：作為分類參照的CBP先例裁定 來源：CROSS裁定資料庫
[參考3] CBP資訊遵循出版品，合理注意義務（2017年9月修訂版） 引用資料：合理注意義務標準，諮詢報關專業作為證據 來源：CBP合理注意義務出版品 發布：2017年9月
[參考4] CBP貿易統計，2025財年稽核 引用資料：2025財年完成465次法規稽核，從進口商稽核中追回2.3547億美元（2026年10月2日更新） 來源：CBP貿易統計 發布：2026年
[參考5] 19 U.S.C. 1592，詐欺、重大過失與過失之海關裁罰 引用資料：裁罰計算結構 來源：19 U.S.C. 1592
正在評估貿易合規用的 AI？
交給 GingerOS 處理。
在下一頁選一個30分鐘的時段，和我們的執行長 Chen Cui 通話。帶一則公告或一份 SKU 清單來（ERP 匯出檔、試算表或一封電子郵件都可以），看看 GingerOS 怎麼處理。
審閱：Michael Weick, LCB / CCS
