并非所有AI主张都需要引用 — 但所有主张都需要依据。

为什么“无引文”不再是足够好的检验标准

信任问题并非抽象。它是可衡量的，并且正以特定、有记录的方式恶化。2025年一项关于AI生成参考文献的研究发现，19.9%完全是捏造的，另有45.4%存在严重的参考文献错误——这意味着在该研究中，AI生成的引文近三分之二是虚构或以某种实质方式存在缺陷的。另外，对已发表研究中伪造引文的追踪显示，2023年至2025年间，伪造引文数量增加了约12倍，有超过4,000篇生物医学论文被发现引用了不存在的研究。

法律系统已在承受由此带来的成本。截至2026年2月的一年内，美国有66起法律案件专门因AI生成的错误而受到制裁，到2026年6月，全球涉及AI内容伪造引文的法庭诉讼已增至1,598起——仅2026年第一季度，美国法院的AI提交罚款就超过145,000美元。

所有这些都不是完全不信任AI的理由。这是一个停止将“是否有引文”作为唯一检验标准的理由，因为这项检验太容易通过，却未必真实；同样重要的是，它也太容易失败，即使实际上是正确的。另一方面也存在一个真实的复杂情况，值得诚实说明而非跳过：一项耶鲁大学的研究发现，使用AI聊天机器人帮助核实新闻的人，在短短四周后，其自身未经辅助检测虚假信息的能力下降了15个百分点。外包验证并非没有代价。它可能使您在自行验证方面变得更差。这正是您需要一个能展示其工作过程，而非仅仅提供一个看起来整洁的答案的系统的真正理由。

一个主张的实际依据是什么

如果仅凭引文不足以作为正确的检验标准，那么更有用的问题是：究竟是哪种类型的证据产生了这项主张？实际上，有六种真实而独特的答案。

1. 外部研究

一项基于实时搜索或对照真实当前来源查找的主张——这种证据是您期望引文指向的，而缺失引文则是一个真正的警示信号。

2. 用户提供的信息

一项直接来源于您告知系统的信息——您自己的品牌事实、您自己的市场知识、您提供的修正。这不需要外部引文。引文就是您本人。

3. 从先前步骤传递的证据

在一个多阶段的研究中，后续阶段可以正确地依赖于前期阶段已建立和验证的证据，而无需从头重新研究。引文存在于上游，而非使用它的每个下游句子中。

4. 分析推断，并明确标记为推断

有时，诚实的答案是“根据收集到的证据，这是最合理的解读”——这不是一个发现的事实，而是一个判断。这是合法的，前提是它被标记为推断，而不是伪装成引文。

5. 确定性计算

有些主张只是算术。如果输入正确，一个固定的、可重现的计算结果不需要引文，就像电子表格公式不需要一样——“证据”就是相同的输入总是产生相同的输出这一事实。

6. 事后进行的人工修正

这是大多数关于AI信任的报道完全跳过的一点：当一个具有真实、一手知识的人修正了AI生成的主张时，这种修正本身就是一种证据形式——可以说这是最强的证据类型，因为它来自实际在场的人。我们将其视为一个独立的、真实的第六类，而不仅仅是附加在其他五类之上的质量控制步骤。这确实是我们的一种综合，而非既定的行业术语——值得坦率说明，而不是过度包装。

六种真实答案。一项检验——“是否有引文”——永远无法涵盖所有六种情况。

几乎无人区分的差异：空白与伪迹

这是一个真正未被充分探讨的角度，其重要性超乎想象。当AI系统将某事物标记为不确定时，这个标记可能意味着两种截然不同的情况：

真实的证据空白——该主题实际上无法核实。没有人公布这个数字。信息不公开。这种不确定性是真实的，并与世界相关。

语言伪迹——底层发现本身没有问题，但它被标记为负面或不确定，纯粹是因为其表述方式，而不是其实际内容。

不确定性是关于句子，而不是主题。它们在页面上看起来一模一样。两者都以主张旁边的黄色旗帜显示。但它们需要完全不同的应对措施。一个真实的空白需要更多研究。一个语言伪迹需要更好的措辞——将其视为研究空白会浪费时间去追寻从未真正存疑的证据。

这种区别在现有的AI信任和幻觉报道中几乎没有提及。大部分报道止于“AI可能出错，核实重要主张”——这没错，但不可操作。知道您正在查看的是哪种类型的标记，才能真正告诉您下一步该做什么。

为什么更狭窄的问题胜过更广泛的问题

还有第二个值得一提的模式，它的方向与大多数人认为“更彻底”的AI研究应该是什么样子是相反的。本能是提出一个宏大而开放的问题，并期望得到一个全面的答案。但在实践中，相反的做法往往效果更好：将一个宽泛的问题分解成几个狭窄、具体、有界限的问题——并分别提出——这样产生的证据更容易核实、更容易信任，而且通常比一个试图一次性涵盖所有内容的庞杂答案更有直接用处。

部分原因在于：一个狭窄的问题让系统更少地将应该分开的事物混淆在一起。它也让您，作为读者，更容易核实一个主张——一个针对特定问题的具体答案是可以对照特定来源进行核实的。一个试图同时回答五个问题的段落通常无法对照任何特定内容进行核实。

少而精，更有针对性，往往胜过多而杂。

这在实际市场研究中究竟是怎样的

我们并未盲信任何这些信息。我们对人们当前如何描述他们对那些提出证据和信任主张的AI工具的不满进行了真实研究——即人们实际使用的重复性语言，而非关于它的假设。

有三个短语独立出现得足够频繁，值得在此重复，不将其附属于任何特定的产品或公司，因为重点是模式，而非任何一家供应商：

• 一种感觉到的**“5%废话率”**——这种感觉是，即使一个大部分可靠的AI工具，也会内含一小部分但真实存在的自信错误输出，而且无论工具变得多好，这个比例也很少会降至零。
• “透明的幻觉”——工具表面上显示其推理或来源，这看起来值得信任，但实际上该可见层并不可查证或正确。
• “验证的负担”——一种隐性且真实的成本，即AI辅助工作并未消除核查的必要性，它只是将核查的责任转移给了人类，而且往往在没有警告的情况下，仍然需要进行核查。

同样的研究也独立并反复地揭示了人们真正想要的是什么，而没有被引导向任何特定的答案：一致的、可验证的引文能力；对AI如何得出结论的可见解释，而不仅仅是结论本身；以及一个综合的、可操作的判断，而不是系统发现的所有内容的未经筛选的倾倒。

我们不主张发现这一需求的功劳——研究本身就揭示了它。我们要指出的是，它与我们构建产品的方式紧密契合：一个诚实层，它显示假设、空白和矛盾，而不是隐藏它们；一种在真实情境下修正和重新运行分析而非从头开始的方法；以及一个预先给出的综合性结论，其下方附有完整的证据链，供任何想要检查我们工作的人查阅。

下一个AI主张的核对清单

下次当一个AI系统——无论是我们的还是其他人的——向您提供一个您即将采取行动的主张时，五个问题将比“是否有引文”让您走得更远：

1. 这是哪种类型？ 外部研究、您自己的输入、传递的证据、标记的推断、计算，抑或人工修正——它们需要不同程度的信任。
2. 如果它是一条引文，来源是否实际如此表述？ 引文的存在与引文支持具体主张并非同一项核查。
3. 如果被标记为不确定，这是一个空白还是伪迹？ 询问具体是什么未经验证——是主题，还是仅仅是句子。
4. 这个问题的更狭窄版本能否让您得到一个更容易核实的答案？ 如果主张宽泛，考虑将其拆分是否有助于核实。
5. 是否有具备第一手知识的人实际看过此内容？ 如果有，人工修正通常是列表中最强的证据类型——请使用它。

所有这些都不需要完全不信任AI。它要求将“已引用”和“真实”视为两个不同的问题，因为它们确实如此。