当 AI 用一句“研究表明……”给出数字时，这个数字未必真的来自那项研究。
发生了什么
Hacker News 上一条讨论指出：AI 回答中引用的统计数据，只有约 40% 能追溯到对应的原始研究。这条信息以“24 points”的讨论热度出现，核心结论相当直接——多数被 AI 当作事实陈述的数字，在溯源环节站不住脚。需要说明的是，目前公开信息只给出了这一比例和结论方向，具体样本规模、测试方法和覆盖的模型范围并未在摘要中展开，因此不宜对其统计严谨性做过度推断。
为什么重要
大模型生成统计数字的方式，本质上是概率性的语言续写，而非数据库检索。模型在训练中见过大量“XX% 的用户……”“研究显示……”这类句式，于是学会了在合适的位置填入一个看起来合理的百分比。数字的“合理性”和数字的“真实性”是两件事，但读者很难在阅读时区分。
这正是 AI 辅助写作、研究报告、商业分析等场景的隐患所在。统计数字自带权威感，一旦被引用进文档、PPT 或新闻稿，往往会经过多轮转述而彻底脱离源头。传统媒体有事实核查流程，AI 生成内容却常常跳过这一步。40% 这个比例的意义不在于精确，而在于它揭示了一个结构性事实：溯源能力目前是生成能力的短板，而不是附带瑕疵。
影响与看点
对开发者而言，这意味着检索增强（RAG）和引用标注不能只做“看起来有出处”，而要真正把每个数字绑定到可验证的来源，并在无法溯源时明确降级为“未核实”。对内容团队而言，凡是 AI 产出的数字，都应默认进入人工核查队列，尤其是百分比、样本量和时间跨度这类高置信度错觉最强的表述。
值得关注的还有评测维度本身：如果基准测试只考察答案流畅度和表面正确率，而不考察引用可追溯性，模型厂商就没有动力优化这一项。把“引用准确率”纳入公开评测，可能比再刷高几个点的问答分数更有实际价值。
一个独立判断：在溯源机制成熟之前，AI 最危险的输出不是明显错误的答案，而是那些格式规范、语气笃定、却查无实据的统计数字。
