AI时代的判断力 · 第5篇
同时询问几个模型是一种有用的比较方法，但“多数AI同意”不是事实投票。不同系统可能学习过相同网页、沿用相同常识、调用同一搜索结果，甚至共享相似的生成偏差。五个答案一致，有时只是同一个错误被复制了五次。
一个看似有说服力的场景
你询问三款AI某句话出自哪本书，它们都给出同一作者和章节。真正搜索原书后却找不到，因为网上早已有许多互相转载的错误归属。模型的一致反映了资料分布的一致，不等于原始事实的一致。
一致性可以告诉你什么
- 若答案差异很大，说明问题含糊、资料不足或模型不稳定，需要进一步核查。
- 若答案一致，说明某种说法常见，但仍需找到独立的原始来源。
- 若模型给出的证据链彼此独立且都可打开核对，一致性才开始增加可信度。
把“多模型投票”改成“多路径验证”
与其重复同一个问题，不如让不同工具承担不同任务：一个提取关键主张，一个寻找反证，一个定位官方来源，最后由你比较证据。真正有价值的不是答案数量，而是证据路径是否独立。
模型之间的一致，是调查线索；来源之间的独立支持，才是证据。
参考资料
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。