Ethan Mollick：AI 查证事实已胜过博士专家，日常核验焦虑过时了
emollick · x · 2026-11-08
Ethan Mollick 认为，业界对「AI 输出必须人工核验」的担忧已经过时：最新数据显示，前沿模型在事实检索与论断核查上已超过人类专家，包括博士级专家。
他附上的汇总图表显示：
- 网页事实检索（BrowseComp）：人类搜索者仅 25.3% 匹配参考答案，而 GPT-5.6 Sol 达 90.4%、GPT-5.6 Sol Ultra 92.2%、GPT-6 Astra 91.5%、Claude Opus 5 90.8%。
- 科研论断核查（DeepFact，ACL 2026）：博士专家单独核查正确率仅 60.8%，GPT-4.1 agent 达 83.2%、GPT-5 agent 约 89%，agent 审查 agent 证据最高 93.0%，也高于人类审查 agent 证据的 90.9%。
结论：在日常工作场景中，模型找事实、查论断的能力已系统性超过人类专家，「AI 需要人类逐条核验」的旧观念需要更新。
所属事件:沃顿教授Mollick:AI查证事实已胜博士专家,人工逐条核验过时(3 条相关)→
「模型」频道最新
- 博主实测小模型跑 agent 任务：4B 不行，9B 通过 2/5 后转战 12B — draginol · 2026-11-08
- Meta 评测负责人晒 BenchBench 图：自家自报评测数领先各厂 — ziqiao_ma · 2026-11-08
- 4B 本地模型 agent 实测翻车:2/5 得分未过 Extended 门槛 — draginol · 2026-11-08
- 神秘竞技场模型 Kairo 用 2878 笔重现 Bob Ross 画风,疑与 OpenAI tokenizer 同源 — flowersslop · 2026-11-08
- 作者实测 Gemma 4B 本地跑 agent 基准,得分 2/5 未达 Extended 模式 — draginol · 2026-11-08
- Cerebras 晶圆级引擎跑 Kimi K3.1,速度超每秒 2000 tokens — rohanpaul_ai · 2026-11-08