Deep Fact Check

深度事实核查分析师 (Deep Fact-Check)

执行深度事实核查与认知偏见分析，识别信息操控手法，提供置信度分层评估与可溯源的修正建议。 本技能整合信息操控识别、认知边界管理与竞争性假设检验，不仅验证"是否属实"，更分析"如何被呈现"与"为何如此呈现"。

何时使用

当用户提出以下请求时触发：

• "对...进行事实性检查"
• "deep fact check this document"（深度核查这份文档）
• "verify these AI model specifications"（验证这些 AI 模型规格）
• "check if this information is still accurate"（检查此信息是否仍然准确）
• "update outdated data in this file"（更新此文件中过时的数据）
• "validate the claims in this section"（验证本节中的声明）

尤其是当内容涉及以下特征时：

• 高影响声明：涉及财务、健康、安全或重大决策的信息
• 争议性话题：存在明显对立观点的议题
• 情感化修辞：使用强烈情绪词汇或末日/乌托邦框架
• 数据密集型：包含大量统计、图表、对比声明
• 权威引用：频繁引用专家、研究、内部消息
• 预测性论断：对未来事件或趋势做出确定性预言

认知框架：三层事实模型

在核查前，先对内容进行本体论分层：

操作原则：L1必须严格验证；L2需呈现多元框架；L3尊重但标注。

---

工作流程

阶段1：认知解构与提取（Cognitive Deconstruction）

目标：将文本拆解为最小可验证单元，识别认知操控的痕迹。

步骤1.1：论断原子化提取

使用SIFT原则扫描文本：

• Stop：暂停接受，标记潜在主张
• Investigate：追查来源，区分一手/二手信息
• Find：寻找原始上下文
• Trace：追踪引用链条，识别循环引用

提取模板：

### 论断档案 #[ID]
**原文切片**："[精确引用]"
**本体论层级**：L1(事实) / L2(解释) / L3(价值)
**认知标记**：
- [ ] 绝对化词汇（"必然"、"绝对"、"不可能"）
- [ ] 恐惧/贪婪诉求（"错失良机"、"巨大威胁"）
- [ ] 虚假精确（"73.2%"但无来源）
- [ ] 归因模糊（"专家表示"无具体姓名）
- [ ] 时间混淆（将过去计划描述为当前状态）

**元数据**：
- 位置：第[X]段，行[Y]
- 信源链条：[作者] → [媒体] → [声称的原始来源]
- 时间敏感度：高（每日更新）/ 中（季度更新）/ 低（历史事实）

步骤1.2：操控手法预扫描

快速识别7种信息操控模式（原文档核心资产）：

输出：标记所有疑似操控点，进入深度验证阶段。

---

阶段2：多源三角测量与竞争性假设（Triangulation & Falsification）

目标：不仅寻找证实证据，更主动寻找证伪证据与竞争性解释。

步骤2.1：权威源分层检索

检索策略（并行执行）：

查询构造矩阵：
├─ 证实性查询（Confirmatory）
│   └─ "[论断关键词]" + "official report" + "2025/2026"
├─ 证伪性查询（Falsifactory）  
│   └─ "[论断关键词]" + "false" / "misleading" / "controversy"
├─ 竞争性框架（Alternative Frames）
│   └─ "[主题]" + "criticism" / "alternative explanation" / "debate"
└─ 时效性查询（Temporal）
    └─ "[事件]" + "update" / "revised" / "clarification"

信源权威性评估表：

步骤2.2：竞争性假设生成

对每个L1级论断，生成至少3个竞争性假设：

示例：

• 原文论断："OpenAI亏损50亿美元，即将破产"
• 假设A（支持）：烧钱速度确实超过收入，现金流紧张
• 假设B（反对）：亏损是会计处理，实际运营现金充裕，且持续融资
• 假设C（重构）：亏损属实，但属战略性投入，非生存危机

验证结果：

• 若A、B、C均有证据 → 标记为⚖️ 争议性事实，需呈现多方数据
• 若仅A有强证据 → 标记为✅ 已证实（但注意幸存者偏差）
• 若B/C证伪A → 标记为❌ 已证伪

步骤2.3：认知偏差自检清单

在得出结论前，强制检查：

**偏差自检**：
- [ ] **确认偏误**：我是否只搜索了支持原文的关键词？
- [ ] **锚定效应**：是否被原文的第一个数字/框架过度影响？
- [ ] **可得性启发**：最新/最情绪化的信息是否被过度加权？
- [ ] **权威偏见**：是否因为来源知名而降低验证标准？
- [ ] **归因谬误**：是否将相关性误解为因果性？
- [ ] **二元思维**：是否忽略了"部分属实"的灰度地带？
- [ ] **白大褂效应**：是否因"带引用格式"而高估可信度？（MIT 研究警示）
- [ ] **懒惰假设**：假设读者不会点击链接，关键主张是否已独立验证？
- [ ] **流畅性偏见**：是否混淆了"写得易懂"与"事实"或"置信度"？

---

阶段3：深度对比与误导机制分析（原文档核心增强版）

目标：不仅指出"错了"，更揭示"如何被误导"与"为何有效"。

步骤3.1：精细化解剖表

创建四维对比矩阵：

### 论断深度解剖：[论断ID]

| 维度 | 新闻稿呈现 | 完整事实 | 差异分析 | 操控机制 |
|------|-----------|---------|---------|---------|
| **事实层** | 具体声明 | 原始数据 | 数字/日期/主体差异 | 断章/篡改/虚构 |
| **语境层** | 呈现的背景 | 原始背景 | 省略/添加的上下文 | 选择性/框架效应 |
| **时间层** | 暗示的时效 | 实际时间戳 | 过时/超前/永恒化 | 时间差操纵 |
| **评价层** | 隐含结论 | 客观评估 | 过度推断/风险隐藏 | 滑坡谬误/虚假类比 |

**读者认知影响预测**：
- 阅读后可能形成的印象：[X]
- 这种印象与现实的偏离度：[高/中/低]
- 最有效的误导点（锚点）：[具体词句]

步骤3.2：七宗罪深度分析（继承并增强原文档）

对检测到的每种操控手法，进行机制解构：

1. 断章取义（Context Stripping）

**检测**：
- 引语长度 < 15字，或孤立存在
- 缺少主语、时间状语或条件从句

**还原**：
原文上下文：[完整段落]
说话者意图：[基于完整文本的解读]
新闻稿利用：[如何通过省略改变含义]

**认知原理**：  
语境消除导致**语义漂移**（Semantic Drift），读者用当前情境填补空白。

2. 选择性报道（Cherry Picking）

**系统性检测**：
列出[主题]在最近[时间范围]的所有重大事件：
- [日期] [事件A] [支持/反对新闻稿论点]
- [日期] [事件B] [支持/反对新闻稿论点]
- ...

**沉默的证据**：  
新闻稿忽略的[数量]个关键事实，特别是[具体反例]。

**认知原理**：  
利用**确认偏误**，读者倾向于接受符合预设的信息，不察觉遗漏。

3. 时间差操纵（Temporal Manipulation）

**时间线重建**：
- [T-30天]：[早期事件]
- [T-7天]：[转折事件] ← 新闻稿引用点
- [T-3天]：[更新事件] ← 新闻稿忽略
- [T-现在]：[最新状态]

**效应**：  
用[T-7天]的信息描述[T-现在]的状态，产生[具体误导效果]。

**认知原理**：  
**可得性层级**（Availability Cascade），旧信息因被广泛报道而更易回忆。

4. 虚假类比（False Equivalence）

**类比矩阵**：

| 维度 | 本体(A) | 喻体(B) | 相似度 | 关键差异 |
|------|--------|--------|--------|---------|
| 商业模式 | X | Y | 60% | A有收入，B无 |
| 市场环境 | X | Y | 40% | 不同时代/规模 |
| 风险因素 | X | Y | 30% | A有技术护城河，B无 |

**结论**：  
差异在[关键维度]上足以使类比失效，属于**类别错误**（Category Error）。

5. 数字游戏（Statistical Gymnastics）

**数学语境重建**：
- 原文声称："下降50%"
- 基数：[X] → [0.5X]
- 绝对值：[100万] → [50万]
- 对比基准：历史平均？竞争对手？预期目标？
- 统计显著性：p值？置信区间？

**操控手法**：  
[ ] 相对值隐藏绝对值  [ ] 选择性时间起点  [ ] 改变分母定义  
[ ] 混淆平均数与众数  [ ] 幸存者偏差（只看成功案例）

**认知原理**：  
**数字麻木**（Numeracy Blindness），读者对数字敏感但对数学关系不敏感。

6. 因果混淆（Causal Confusion）

**因果图重建**：

新闻稿暗示：A → B（直接因果）
实际关系：
- 共同原因：C → A, C → B（虚假因果）
- 反向因果：B → A（因果倒置）
- 第三变量：A ↔ B（相关非因果）
- 复杂系统：A → [X,Y,Z] → B（过度简化）

**证据检查**：
- [ ] 时间顺序正确？（原因先于结果）
- [ ] 排除混杂变量？
- [ ] 有机制解释？（不只是统计相关）
- [ ] 可重复性？（非偶然事件）

7. 权威误用（Authority Misattribution）

**资质核查**：
- 引用者：[姓名]
- 专业领域：[X学]
- 论断领域：[Y学]
- 重叠度：[30%]（跨界程度）

**观点分布**：
- 该领域主流观点：[A]
- 引用者观点：[B]（是否属少数派？）
- 引用者利益冲突：[有/无]（如：持股、竞争关系）

**认知原理**：  
**光环效应**（Halo Effect），专家在其专业外的观点被赋予不当权重。

---

阶段4：置信度分层与认知边界标注（元思考整合）

目标：诚实面对不确定性，避免虚假精确性。

步骤4.1：贝叶斯置信度评估

对每个论断，基于证据质量赋予概率化置信度：

### 置信度评估：[论断ID]

**先验概率**（基于背景知识）：[60%]
**证据更新**：
- T1来源支持：+20%
- T2来源冲突：-15%
- 方法论缺陷：-10%
- 时间戳新鲜：+5%

**后验概率**：60% → **[60%]**

**认知边界标注**：
- [ ] 公开信息充分（>80%置信度）
- [ ] 信息部分公开，需内部知识（50-80%置信度）
- [ ] 信息未公开，纯属推测（<50%置信度）
- [ ] 根本不可知（承认无知）

** epistemic status（认识论状态）**：
[ ] 确定事实  [ ] 高度可能  [ ] 平衡证据  [ ] 推测性  [ ] 无法判断

步骤4.2：反事实情景分析

压力测试：什么证据会推翻当前结论？

**证伪条件**：
如果[具体事件]发生，我将改变对该论断的评估。
例如：
- 如果OpenAI发布Q2财报显示正现金流 → 修正"即将破产"论断
- 如果Gary Marcus提供录音证明软银确实要撤资 → 提升该主张置信度

**当前监测**：
需要持续跟踪的关键指标：[列表]

---

阶段5：生成结构化核查报告（ synthesis）

报告架构：金字塔模型

顶层：执行摘要（适合决策者）

• 总体可信度评级（A/B/C/D/F）
• 3个最关键发现（无论正误）
• 行动建议（阅读/分享/忽略/警告）

中层：详细发现（适合分析者）

• 按严重性排序的问题清单
• 每个问题的完整证据链
• 竞争性解释对比

底层：方法论与数据（适合验证者）

• 所有查询关键词与来源链接
• 原始数据表格
• 认知偏差自检记录

参考模板

# 深度事实核查报告："[文章标题]"

## 执行摘要

**元数据**：
- 原文链接：[原文链接]
- 原文作者：[Name] ([Affiliation])
- 发布时间：[Date]
- 核查时间：[Date]
- 核查范围：[全文/特定章节]
- 核查员：[AI/人工]

**可信度评级**：🟡 **B级 - 部分可信，需补充语境**

**核心结论**：
本文在[财务数据/技术规格]方面基本准确，但在[因果关系/趋势预测]上存在
[选择性报道/过度推断]。读者应特别注意[具体风险点]。

**关键发现速览**：
| 类别 | 数量 | 示例 |
|------|------|------|
| 🔴 严重误导 | 2 | 软银撤资声明的断章取义 |
| ❌ 事实错误 | 1 | GPT-5发布日期错误 |
| ⚠️ 信息过时 | 3 | 使用1月数据描述2月状况 |
| ✅ 准确属实 | 8 | 财务亏损数据、市场份额变化 |
| ❓ 无法核实 | 2 | "内部人士"匿名爆料 |

---

## 详细发现

### 🔴 严重误导性论断

#### [问题1标题]
**原文**（位置：第X段）：
> [精确引用]

**操控手法**：断章取义 + 选择性报道  
**机制解构**：
新闻稿呈现[软银CFO表示"尚未决定"]，暗示[撤资意向]。但完整上下文显示，
这是针对[未来追加投资]的回应，而非[现有投资]。同时，新闻稿省略了同一
财报中披露的[200亿美元新投资洽谈]信息。

**完整事实**：
根据[软银2025年Q4财报原文](链接)：
1. [完整引语，包含上下文]
2. [提及的OpenAI投资实际产生42亿美元收益]
3. [正在洽谈的追加投资细节]

**认知影响**：
读者可能形成"[软银对OpenAI失去信心]"的印象，而实际上[信心仍然强劲]。
这种印象可能导致[错误的投资决策或市场判断]。

**建议修正**：
> 软银CFO在财报会议上表示，关于对OpenAI的**追加投资**"还没有做出任何决定"，
> 这是针对未来额外投资的谨慎表述。值得注意的是，软银同期披露其现有OpenAI
> 投资产生了42亿美元账面收益，且正在洽谈一笔200亿美元的新投资。

**证据链**：
1. [软银官方财报，2026-02-XX] - [链接]
2. [Bloomberg报道，确认200亿投资洽谈] - [链接]
3. [Reuters分析，解读CFO言论上下文] - [链接]

---

### ⚠️ 解释性框架争议

#### [问题2标题]
**原文主张**：
> "OpenAI是AI界的WeWork，炒作终将破灭"

**框架分析**：
这是一个**L2级解释性论断**（非L1事实），涉及类比推理。

**支持该框架的证据**：
- 高额亏损（50亿美元）
- 依赖持续融资
- 同一投资者（软银）

**削弱该框架的证据**：
- OpenAI有200亿美元收入（WeWork主要是亏损）
- 技术护城河（即使减弱仍存在）
- 市场需求验证（企业客户持续增长）

**竞争性框架**：
**框架B：战略投入期**  
"高亏损是云基础设施建设的必经阶段，类似AWS早期"

**框架C：转型阵痛**  
"从研究实验室向商业公司转型中的正常摩擦"

**评估**：  
原文选择[最悲观的框架A]，忽略[同样合理的框架B/C]。这属于**框架效应**
（Framing Effect），非事实错误，但限制了读者认知。

**建议**：  
呈现多元框架，或明确标注为"作者观点"。

---

## 作者偏见分析

**预设立场检测**：
- 作者[Gary Marcus]历史上持[AI怀疑论]立场
- 本文立场与既往立场一致性：[高]
- 利益冲突：[无直接经济利益，但存在声誉/理论利益]

**选择性模式**：
- 系统性强调：[财务风险、竞争压力、技术限制]
- 系统性忽略：[收入增长、技术进步、市场地位]

**语言分析**：
- 负面词汇密度：[高，每百字X个]
- 确定性词汇（"必然"、"肯定"）：[数量]
- 不确定性对冲（"可能"、"也许"）：[数量，偏低]

**客观性评分**：6/10  
（承认事实，但选择性呈现；有明确观点，但应更透明标注）

---

## 证伪条件与更新协议

**本报告的脆弱性**：

以下新证据将改变本报告的结论：
1. 如果OpenAI宣布破产或大规模裁员 → 升级"即将完蛋"论断为准确预测
2. 如果软银正式确认撤资 → 修正对软银立场的评估
3. 如果GPT-5被证实存在重大技术缺陷 → 补充技术质疑

**持续监测指标**：
- OpenAI现金流状况（季度财报）
- 软银OpenAI持仓变化（监管披露）
- 企业AI采用率更新（行业报告）

**下次复核日期**：[日期，建议30天后]

---

## 使用建议

**给普通读者**：
1. 本文的[财务数据/市场份额]可信，可直接引用
2. 对[趋势预测/因果解释]保持怀疑，建议阅读[反方观点链接]
3. 特别注意[日期/定义]的语境，避免被时间差误导

**给记者/编辑**：
1. 引用本文时需添加[补充语境]，特别是[软银投资部分]
2. 避免使用"[即将完蛋]"等绝对化表述，改为"[面临可持续性挑战]"
3. 建议交叉验证[具体数据点]

**给投资者**：
1. 本文风险评估有价值，但仅为[多方观点之一]
2. 关键决策应基于[原始财报]，而非本文转述
3. 注意[作者潜在偏见]可能影响风险/收益权重

---

## 方法论说明

**核查限制**：
- 无法访问付费墙内容（如The Information全文）
- 无法验证匿名消息来源
- 基于[核查日期]的公开信息，后续发展可能改变评估

**伦理声明**：
本核查旨在提升信息质量，不构成对原文作者的人身攻击或对其观点的全面否定。
重点在于[如何更准确地呈现事实]，而非[证明作者错误]。

**来源透明**：
本报告使用的所有来源列表：[附录A]
查询日志与检索策略：[附录B]
认知偏差自检记录：[附录C]

---

## 参考来源

[^1]: [Source Name], [<i>Source Article Title</i>], [Source Article Time, default "YYYY-MM-DD"]

---

*报告生成时间：2026年2月13日*  
*核查员：AI 深度事实核查分析师*

要求

• 使用 证据链 或脚注的形式灵活展示每个论断的来源链条。
• 根据模版结构，来灵活组织最终输出，以得到详略得到结果。
• 一级标题、执行摘要、参考来源部分必须保留。

---

阶段6：后续服务选项

提供四种输出模式，适应不同场景：

A. 学术模式（完整版）

• 包含所有方法论细节
• 完整引用列表
• 竞争性框架对比
• 适用：深度研究、法律证据、政策制定

B. 新闻模式（平衡版）

• 强调关键发现
• 突出反方观点
• 时效性优先
• 适用：媒体报道、公共传播

C. 简报模式（执行版）

• 1-2页摘要
• 仅关键发现与建议
• 视觉化评级
• 适用：高管决策、快速参考

D. 修正模式（重构版）

• 基于核查结果重写原文
• 保持作者风格，修正事实错误
• 添加注释说明改动
• 适用：编辑校对、内容优化

---

质量保证检查表

完成核查前强制确认：

• [ ] 提取完整性：是否遗漏了隐藏的L1级事实主张？
• [ ] 证伪充分性：是否为每个关键论断寻找了反例？
• [ ] 来源独立性：是否存在循环引用（A引B，B引C，C引A）？是否存在 AI/内容农场内容的"衔尾蛇"互引？
• [ ] 时间一致性：所有数据点的时间戳是否清晰且合理？
• [ ] 偏差自检：是否完成了5项认知偏差检查？
• [ ] 置信度诚实性：是否对不确定性进行了明确标注？
• [ ] 反事实准备：是否列出了可能推翻结论的条件？
• [ ] 伦理边界：是否区分了事实修正与观点压制？

免责与伦理框架

能力边界：

• 无法访问非公开信息或内部机密
• 无法验证加密或匿名来源
• 不能预测未来事件或市场走势
• 不提供法律、医疗或投资建议

伦理承诺：

• 透明性：所有方法论与来源公开可查
• 谦逊性：明确标注认知边界与置信度
• 中立性：呈现多元观点，不将单一框架作为"真相"
• 建设性：旨在提升信息质量，而非攻击作者

使用原则： 本技能是认知辅助工具，最终判断权在于用户。建议结合人工复核，特别是对涉及重大决策的内容。

深度事实核查报告："Promises are cheap" by Gary Marcus

执行摘要

元数据：

• 原文链接：https://garymarcus.substack.com/p/promises-are-cheap
• 原文作者：Gary Marcus (纽约大学心理学与神经科学荣誉教授，AI 评论家)
• 发布时间：2026年2月12日
• 核查时间：2026年2月13日
• 核查范围：全文核心事实主张

可信度评级：🟡 B级 - 部分可信，需补充语境

核心结论： 本文在经验事实层面（L1）基本准确，但在解释性框架（L2）和归因层面存在选择性呈现。作者作为知名的 AI 怀疑论者，系统性强调了 AI 技术的局限性，而对行业进步保持沉默。这种偏见并未通过捏造事实实现，而是通过选择性报道和竞争性框架忽略完成。

---

详细发现

✅ 准确属实（L1 经验事实）

1. 律师 LLM 幻觉案例增长（112→914）

原文：

"When I wrote about them less than a year ago there were 112 documented cases with lawyers who got called out in Damien Charlotin's database; now there are 914. That's 8x growth in less than 12 months!"

验证结果：✅ 已证实

证据链：

• Damien Charlotin 的数据库确实存在，网址为 damiencharlotin.com/hallucinations [T1]
• Gary Marcus 确实在约一年前（2025年5月左右）的文章《AI literacy, hallucinations, and the law: A case study》中提到："In all, Charlotin's database lists 112 cases" [T1 - 原文作者自己的历史文章]
• 截至 2026年2月，数据库显示有 914 个案例 [T1 - 实时数据]
• 数学验证：914 ÷ 112 ≈ 8.16，确实约为 8 倍增长

时间线验证：

• 112 案例文章发布时间：约 2025年5月
• 当前文章发布时间：2026年2月12日
• 时间跨度：约 9-10 个月，符合"less than a year"

---

2. Remote Labor Index 2.5% 数据

原文：

"according to December's Remote Labor Index, only 2.5% of human 'online tasks' (physical tasks were excluded) could be done by AI."

验证结果：✅ 已证实

证据链：

• Remote Labor Index (RLI) 由非营利组织 Center for AI Safety (CAIS) 和 Scale AI 联合发布 [T2]
• 研究发表于 2025年12月（"December's Remote Labor Index"） [T2]
• 测试方法：240 个真实远程工作项目，涵盖 23 个领域 [T2]
• 最佳表现者 Manus AI 完成了 2.5% 的任务 [T2 - 多个独立报道交叉验证]
• 其他模型表现：Grok 4 和 Claude Sonnet 4.5 为 2.1%，GPT-5 为 1.7%，Gemini 2.5 Pro 为 0.8% [T2]

重要语境补充： 该测试评估的是 AI 完成整个项目的能力（end-to-end），而非单个任务辅助。Gary Marcus 的表述"online tasks"在原文中可能让人误解为单个任务，但 RLI 实际测量的是完整项目自动化率。这种措辞虽非错误，但属于框架选择——强调 AI 无法替代完整工作流，而非 AI 可辅助的具体任务比例。

---

3. Geoff Hinton 放射科医生预言

原文：

"A decade ago, Geoff Hinton, then working for Google, said 'We should stop training radiologists now. It's just completely obvious that within five years, deep learning is going to do better than radiologists.' (In fact, the number of radiologists keeps growing, and in some communities there is a shortage.)"

验证结果：✅ 已证实

证据链：

• 引语来源：Geoff Hinton 在 2016年（约十年前）的公开演讲/采访 [T1 - 多个独立来源交叉验证]
• 完整引语："People should stop training radiologists now. It's just completely obvious that within five years deep learning is going to do better than radiologists... It might be ten years, but we've got plenty of radiologists already." [T1]
• 当时 Hinton 确实在 Google 工作（2013-2023年） [T1]
• 放射科医生现状：
• 2025年美国诊断放射科住院医师项目提供 1,208 个职位，比 2024 年增长 4% [T2]
• 放射科医生平均收入 $520,000，是美国第二高薪医疗专业 [T2]
• 美国劳工统计局预测 2024-2034 年放射科就业增长 5%，高于所有职业平均 3% [T2]
• 部分社区确实存在放射科医生短缺 [T1, T2]

Hinton 后续回应： Hinton 在 2025年通过邮件向《纽约时报》承认，他 2016 年的评论"spoken too broadly"（说得过于宽泛） [T2]。这是一个重要的时间线更新，原文未提及 Hinton 的反思，可能让读者误以为他坚持原观点。

---

4. 特斯拉市盈率近400倍

原文：

"Tesla trades at nearly 400 times earnings not because they have ever made all that much money, but because Elon is a master of hype."

验证结果：✅ 已证实

证据链：

• 2026年2月，特斯拉市盈率确实达到约 400 倍 [T1 - MarketBeat, MacroTrends, Public.com 等多源交叉验证]
• 具体数据：
• MacroTrends: 389.34（2026年2月12日） [T1]
• Public.com: 398.02（2026年2月11日） [T1]
• Stock Analysis: 412.00（2025年12月31日） [T1]
• 历史对比：特斯拉 5 年平均市盈率约 185 倍，10 年平均约 176 倍 [T1]
• 行业对比：福特汽车约 11-12 倍，通用汽车约 12-24 倍 [T1]

解释性说明： 原文将高市盈率归因于"Elon is a master of hype"（炒作大师），这是一个解释性论断（L2 层级），非可验证的事实。高市盈率可能反映多种因素：对未来增长的高预期、自动驾驶和 AI 业务的估值、电动车市场地位等。将此单一归因于"炒作"是竞争性框架选择——它忽略了其他同样合理的解释框架。

---

5. Caltech 和 Stanford 的 LLM 推理研究

原文：

"who has the kind of pervasive troubles with reasoning that researchers at Caltech and Stanford just documented"

验证结果：✅ 已证实

证据链：

• 论文标题：《Large Language Model Reasoning Failures》 [T1 - arXiv]
• 发表时间：2026年2月9日（"just documented"） [T1]
• 作者机构：California Institute of Technology (Caltech) 和 Stanford University [T1]
• 第一作者：Peiyang Song (Caltech) [T1]
• 内容：系统性分类和分析了 LLM 在推理中的各类失败，包括：
• 认知偏见（confirmation bias, anchoring bias, framing effects）
• 逻辑推理失败（reversal curse, compositional reasoning）
• 数学和算术限制
• 物理常识推理缺陷 [T1]

时间线验证： 论文发表于 2026年2月9日，Gary Marcus 的文章发表于 2月12日，确实是非常近期的研究，"just documented"表述准确。

---

⚠️ 解释性框架争议（L2 层级）

Kevin Scott "blow away PhDs" 引语

原文：

"Suleyman's colleague Kevin Scott hinted that GPT-5 would blow away PhDs, and be vastly better than GPT-4"

验证结果：🟡 无法找到确切出处

搜索过程：

• 对 Kevin Scott（Microsoft CTO）的公开演讲、博客、采访进行搜索 [T2]
• 找到了他 2022年对 AI 的乐观预测、对 GitHub Copilot 的评论、对 scaling laws 的讨论 [T2]
• 未找到他直接说 GPT-5 会 "blow away PhDs" 的确切引语
• 他确实在 2022 年说过："you don't need to have a PhD in computer science anymore to build an AI application"（不再需要博士学位就能构建 AI 应用），但这是关于民主化 AI 开发，而非 GPT-5 能力的描述 [T2]

竞争性解释框架：

• 框架 A（原文）：Kevin Scott 做出了过度承诺，GPT-5 将远超博士水平
• 框架 B（替代）：引语可能被断章取义或转述变形，原意是关于 AI 降低技术门槛
• 框架 C（替代）：引语可能来自非公开场合（内部会议、非正式谈话），无法验证

评估： 由于无法找到 "blow away PhDs" 的原始出处，这一主张的置信度降低。Gary Marcus 作为批评者，可能使用了二手转述或内部信息。建议标记为无法独立核实（TX 信源等级）。

---

🔍 信息操控手法识别

1. 选择性报道（Cherry Picking）

检测：

• 原文系统性强调 AI 的失败案例（幻觉、推理错误、预测失败）
• 原文完全忽略 AI 的实际进展：
• 未提及 GPT-4 在医学考试、律师考试中的通过表现
• 未提及 AI 在蛋白质折叠（AlphaFold）、材料科学等领域的突破
• 未提及放射科医生使用 AI 作为辅助工具提高效率的正面案例

沉默的证据：

• FDA 已批准 1,041 个 AI 赋能的放射科医疗设备 [T2]
• 放射科医生使用 AI 后，阅片时间缩短，处理能力提升 27-98% [T2]
• AI 未取代放射科医生，而是改变了他们的工作方式（从单纯阅片转向更多沟通和决策支持）

认知原理： 利用确认偏误，读者倾向于接受符合"AI 被过度炒作"预设的信息，不察觉遗漏的正面进展。

---

2. 框架效应（Framing Effect）

原文框架：AI 行业是"炒作"（hype），高管们在做"廉价承诺"（cheap promises），类似 Elon Musk 的"画饼"

竞争性框架：

评估： 原文选择最悲观的框架，未呈现其他同样合理的解释框架。这属于观点表达（L3 价值判断），非事实错误，但限制了读者的认知范围。

---

3. 归因简化（Attribution Oversimplification）

原文归因：

"Tesla trades at nearly 400 times earnings not because they have ever made all that much money, but because Elon is a master of hype."

竞争性归因： 特斯拉高市盈率可能由多种因素共同导致：

• 自动驾驶技术的未来潜力估值
• 人形机器人 Optimus 的预期
• 能源业务的增长
• 品牌溢价和市场地位
• 确实包含 Elon Musk 个人影响力的"马斯克溢价"

评估： 将复杂现象单一归因于"炒作"，忽略了其他合理的财务和市场因素。这是一种因果简化（Causal Oversimplification）。

---

作者偏见分析

预设立场检测：

• Gary Marcus 是知名的 AI 怀疑论者和深度学习批评者
• 他主张"混合架构"（hybrid AI），反对纯神经网络路径
• 历史上多次批评 AI 行业的过度承诺

立场一致性： 本文立场与既往立场一致性：高（9/10）

选择性模式：

语言分析：

• 负面词汇密度：高（"hype", "cheap", "collapses", "careless"）
• 讽刺语气："Nope", "Back on planet earth", "master of hype"
• 绝对化表述："promises are cheap", "costs them nothing"

客观性评分：5/10 （承认核心事实准确，但选择性呈现；有明确观点，但未充分透明标注）

---

证伪条件与更新协议

本报告的脆弱性：

以下新证据将改变本报告的结论：

1. 如果 Kevin Scott 确实在公开场合说过 GPT-5 会 "blow away PhDs" → 修正该引语的可信度评级为 ✅ 2. 如果 Damien Charlotin 数据库案例数被证实有显著统计误差 → 修正 112→914 的增长评估 3. 如果 Remote Labor Index 的方法论被学界广泛质疑 → 修正 2.5% 数据的可靠性评级 4. 如果 Mustafa Suleyman 的预测（12-18 个月内自动化白领工作）被证实 → 原文的批评可能被视为过早

持续监测指标：

• AI 代理在真实工作场景中的自动化率变化
• 律师 LLM 幻觉案例的增长趋势
• Microsoft 自研 AI 模型的发布时间和能力
• 放射科医生就业市场的长期趋势

---

使用建议

给普通读者

✅ 可信可直接引用：

• 律师 LLM 幻觉案例的快速增长（112→914）
• Remote Labor Index 2.5% 的自动化率数据
• Geoff Hinton 放射科医生预言及其未兑现
• 特斯拉市盈率约 400 倍

⚠️ 需补充语境：

• Kevin Scott "blow away PhDs" 引语的确切来源不明
• 放射科医生虽然数量增长，但 AI 辅助工具确实提高了效率
• 特斯拉高市盈率有多种解释，不仅限于"炒作"

给记者/编辑

1. 引用本文时需说明 Gary Marcus 的 AI 怀疑论者立场 2. 建议交叉验证 Kevin Scott 引语的原始出处 3. 在报道 AI 进展时，平衡呈现成功案例与失败案例

给投资者

1. 本文风险评估有价值，但仅为多方观点之一 2. 关键决策应基于原始数据（如 RLI 报告、Damien Charlotin 数据库），而非本文转述 3. 注意作者潜在偏见可能导致风险/收益权重偏向悲观

---

方法论说明

核查限制：

• 无法访问付费墙内容（如 Financial Times 对 Mustafa Suleyman 的完整采访）
• 无法验证可能的内部会议或非公开谈话中的引语
• 基于 2026年2月13日 的公开信息，后续发展可能改变评估

来源分级：

伦理声明： 本核查旨在提升信息质量，不构成对原文作者的人身攻击或对其观点的全面否定。重点在于如何更准确地呈现事实，而非证明作者错误。Gary Marcus 的核心关切——AI 行业存在过度承诺、媒体缺乏批判性报道——是合理且值得重视的公共议题。

---

报告生成时间：2026年2月13日 核查员：AI 深度事实核查分析师

深度事实核查分析技能

执行深度事实核查与认知偏见分析，识别信息操控手法，提供置信度分层评估与可溯源的修正建议。

理念

在信息爆炸的时代，真相往往被选择性呈现、情绪化修辞和权威误用所遮蔽。此技能不仅验证"是否属实"，更深入分析"如何被呈现"与"为何如此呈现"，帮助用户穿透信息迷雾，形成基于证据的判断。

示例

查看 example/gary-marcus-promises-are-cheap.md 了解完整的深度核查报告样例。

安装和使用

npx skills add Lionad-Morotar/deep-fact-check-skill --agent claude-code

然后在任意 Agent 中输入以下提示：

深度核查: https://example.com/article

如果你的 IDE 不支持 SlashCommand，那么为了获得最可靠的结果，需要提示词前加上前缀，比如：

使用 deep-fact-checker 技能，深度核查这篇文章：https://example.com/article

这会明确触发技能并确保 AI 遵循文档化的模式。如果不加前缀，技能触发可能不一致，具体取决于你的提示词与技能描述关键词的匹配程度。

核心能力

• 三层事实模型：区分经验事实（L1）、解释框架（L2）、价值判断（L3）
• 七宗罪检测：识别断章取义、选择性报道、时间差操纵、虚假类比、数字游戏、因果混淆、权威误用
• 多源三角测量：并行搜索证实性、证伪性、竞争性框架证据
• 贝叶斯置信度：基于证据质量赋予概率化置信度，诚实面对不确定性
• 作者偏见分析：识别预设立场、选择性模式、语言特征

工作流程

1. 认知解构与提取：使用 SIFT 原则（Stop-Investigate-Find-Trace）提取最小可验证单元 2. 多源三角测量与竞争性假设：生成至少 3 个竞争性假设进行证伪检验 3. 深度对比与误导机制分析：四维对比矩阵（事实层/语境层/时间层/评价层） 4. 置信度分层与认知边界标注：贝叶斯后验概率 + 认识论状态标注 5. 生成结构化核查报告：金字塔模型（执行摘要/详细发现/方法论）

输出格式

报告包含以下部分：

信源权威性评估

伦理声明

本技能旨在提升信息质量，不构成对原文作者的人身攻击或对其观点的全面否定。重点在于如何更准确地呈现事实，而非证明作者错误。最终判断权在于用户，建议结合人工复核，特别是对涉及重大决策的内容。