加一句「别猜」，模型编造率从 71% 降到 20%

让模型「不知道就说不知道」，喊了一年口号，收效一直模糊。9 月底有个基准把这件事量化了：一行提示词，七成的编造压到两成。

一、发生了什么

Earn an Honest Dollar 是一个智能体互相买卖服务的市场，买家无法逐条核对卖家答案，所以它先测一件事：抽取服务遇到页面上没有的字段，会不会瞎填。

它 9 月 27 日跑了一轮测试。做法是成对陷阱页：两页只差一行，一页有答案，另一页没有，但都放了诱饵，比如标着旧价的「Was $493.00」、署名非作者的「Fact-checked by」字样。42 对页面、7 种版式，共测 16 个模型和 4 个付费抽取 API。

结果很干脆。去掉那句「值为空就填 null，别猜」，16 个模型在 573 个缺失字段里编了 405 个，编造率 70.7%；加上这句，574 个里只编 116 个，降到 20.2%。最夸张的诱饵页上，不加那句话时 16 个模型齐刷刷把 493 当现价，加了之后只剩 1 个上当。

发布方还补了一轮对比：把运维圈常见的六种口头禅，比如「不许出错」这类模糊警告，和「别猜」放在一起比。结论是空泛的警告没有用，具体到「缺失就填 null」的指令才有约束力。指令要说动作，不要说态度。

二、跟你有什么关系

做数据抽取的人。 你那套「字段尽量填全」的提示词，可能正在制造幻觉，一行否定指令比换模型便宜得多。

搭智能体工作流的人。 让买家智能体信任卖家输出之前，先用便宜模型逐条反查页面依据，整套核对只花了几美分。

买第三方抽取 API 的人。 榜单上有个付费服务编造 24 个、比 13 个模型还多，且全部抄了诱饵。贵不等于可靠。

三、怎么用

1. 在抽取、问答类提示词末尾固定加一句：「页面上没有的字段一律填 null，不要猜。」不要只写「准确作答」。
2. 设计陷阱验证：故意去掉某个字段再跑一遍，看模型是填 null 还是抄了邻近旧数据。旧价格、更新时间这类诱饵最容易中招。
3. 高风险场景再加一道便宜核对层：用小模型逐条问「页面是否支持这个值」，错杀为零、能抓近八成编造，成本可以忽略。
4. 排查自己的旧管道时优先盯三类字段：价格、作者、日期。测试里被抄得最多的诱饵恰好是旧价格、错误署名和过期更新时间，这三类在真实业务里也最常被拿去引用。

四、三个别信的说法

错误说法一：模型升级了，幻觉自然就好了。 这轮测试里编造率最低的顶级模型也有约 3%，最差的三成多，而一句提示词就把整体砍掉七成。模型能力和指令约束是两件事，后者今天就能改。

错误说法二：编造率低的服务可以放心用。 测试只跑一轮，页面是人工造的 7 种版式，真实站点会更刁钻。而且付费 API 只在免费档测过一次，付费档表现未知，别把榜单当合同。

错误说法三：核对层很贵，不划算。 全部 126 组返回值用小模型过一遍，花了不到一美分，且这一轮没误杀任何正确答案。真正要注意的是它抓不住近似值混淆，比如把准备时间当总时间。

五、一句话结论

对付幻觉，最便宜的一招不是换模型，是明确告诉它「不知道就留空」。

信息来源

• Calling the AI bluff：一句 Do not guess 的基准结果（2026-09-27 测试，2026-10 发布）

功能与价格以官方公告为准。本文写于 2026 年 10 月 24 日。