AI 研究报告读得越顺，可能越不可信

AI 写的研究报告越读越顺，可能越不可信——流畅本身，就是一种失真。

一、发生了什么

10 月 26 日 arXiv 上线的一篇论文研究了研究型大模型的一个隐藏失败模式，作者团队把它命名为「平滑」（smoothing）：当模型读一大批文档、合成一份长报告时，产出读起来自信、完整、像一份定论，却没能如实反映底层材料——它把多样且互相冲突的来源压成了一条单线叙事，丢掉了证据本该有的锯齿感，结论的笃定程度超过了引文所能支撑的范围。这类场景现在有个通用叫法：深度研究。读上百份材料、产出「洞见」，正是各家主推的能力。

怎么测？论文提出了一套主张级的打分流程，取名叫 SmoothScore，分四步：先从模型报告里抽取关键结论句；再为每条主张检索全语料里的相关证据；把这些证据按高层维度聚类，看清它们到底是同向还是有分歧；最后对照证据给主张打分，量化这份报告被「磨平」的程度。作者在 7 个系统、4 个数据集上跑了这套流程，结论一致：各家 agent 产出的主张，普遍强于证据的实际支撑度。代码和数据都已开源，复现门槛不高。

需要说明：以上是论文摘要写明的内容。至于「为什么会出现平滑、能否靠提示词缓解」，摘要没有给出答案——这是背景而非结论，别当成论文说了什么。但这个发现的时点很关键：深度研究类产品正在被大量用于真实决策场景，一份「看起来没毛病」的报告，比一眼假的输出更难防。

二、跟你有什么关系

做深度调研工具的工程师：评测报告质量时，光看「通不通顺、全不全面」会漏掉最危险的那类错，主张级对齐该进评测集——SmoothScore 的流程可以直接当模板抄。拿 AI 做投研和尽调的人：一份没有分歧、句句笃定的报告，恰恰最需要回头逐条对原文，冲突信息被融合掉的位置，往往就是风险的藏身处。写论文的学生：让模型帮你综述时，要求它显式保留分歧、分点列出对立结果，比笼统要求它「更准确」有效得多。

三、怎么判断

1. 把报告里的结论句逐条圈出来，回到原始文档找对应段落，对不上的就是被平滑过的。
2. 明知来源有冲突时，让模型分列陈述而不是融合，融合就是失真的起点。
3. 用「主张级抽查」替代整体印象：抽十条结论验十条，比通读三遍更能暴露问题。
4. 重要决策的报告，让另一个模型拿原文反过来审第一份报告的主张强度。

四、三个别信的说法

报告里带引用就等于有据。 论文量的正是「引用撑不起结论强度」这件事，引用是装饰也可能是掩护。

换个更强的模型就没事。 七个系统测下来一个都没跑掉，这是模式问题，不是能力短板。

读起来通顺就是质量高。 恰恰相反，通顺是平滑的产物，锯齿感才是证据的真实形状。

五、一句话结论

研究报告的第一指标不是圆滑，而是保留了分歧。

信息来源

• arXiv：量化研究型智能体的主张平滑（2026-10-26）

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。