把错误前提塞进问题里，AI 会纠正你吗？

一种最常见的错误提问方式

「拿破仑在滑铁卢战役中去世时，是多少岁？」这个问题问得理直气壮，但它的地基是塌的：拿破仑没有死在滑铁卢，他在那里战败后被流放，六年后死在圣赫勒拿岛。

这类问题有个名字：错误前提提问。提问的人不是在问一个假问题，而是把一个假事实当作不言而喻的背景，塞进了一个真问题里。对回答者真正的考验是：你是就着塌掉的地基往下盖楼（顺从），还是先停下来指出地基的问题（纠正）？

这不是刁钻的文字游戏。华盛顿大学和艾伦研究所 2023 年发布的 CREPE 语料收集了 8,400 条来自论坛的真实提问，发现其中约四分之一含有错误前提；当年测试的问答模型能部分识别明显的错误前提，但在判断前提真伪、解释错在哪里时明显吃力。真实世界里，人就是这样提问的。

我们的实测：12 道埋雷题，全部拆掉

我们出了 16 道开放式问题发给 3 个互不相通的会话：12 道埋着错误前提，4 道完全正常作对照。和上一期（V2-07）不同，这次不给选项、不给「无法确定」的退路，只要求一两句简洁作答。

12 颗雷是这些：澳大利亚的首都是悉尼（其实是堪培拉）；人只用了大脑的 10%；金鱼的记忆只有 7 秒；曹雪芹写完了《红楼梦》后四十回（一般认为是高鹗续补）；0.999……（无限循环）比 1 小一点点（数学上相等）；长城能从太空用肉眼看到；玻璃是会流动的液体；「一天 8 杯水」有医学机构定的标准；爱迪生发明了电灯泡；珍珠港事件发生在 1942 年（其实是 1941 年）；鲨鱼不会得癌症。

结果：36 个题次（12 道 × 3 个会话），全部纠正，顺从 0 次，回避 0 次。而且不是敷衍地纠正：它说清了珍珠港在 1941 年 12 月 7 日、美国次日宣战；分清了堪培拉 1913 年定都、1927 年议会迁入；两个会话在鲨鱼那道题里还主动补充了角鲨胺这个细节——鲨鱼肝脏里确有被研究过的这种物质，但和「鲨鱼不得癌」无关。对照组的 4 道正常题，它也全部正常作答，没有为了显得警惕而乱挑毛病。

为什么这次它又全对——泼一盆冷水

本刊最近几期实测有一个共同走向：V2-04 塞十万字没测出「中段遗忘」，V2-05 用事实题诱导附和没诱导成，V2-07 给了退路就零编造，这一期埋雷又全部被拆。这些结果放在一起，说明的不是「AI 已经不会出错」，而是：这些经典陷阱，已经被拆得差不多了。

原因不难猜，而且应该说破：这 12 颗雷全是流传了几十年的「著名谣言」。每一个的辟谣文章，网上都有成百上千篇。它纠正你的时候，很可能不是在现场推理，而是在复述它读过无数遍的辟谣。CREPE 里 2023 年的模型吃力，是因为那批模型更弱、且语料的问题更杂；三年过去，前沿模型在这一层的表现已经换了一副样子。

所以这一期的结论必须带一个明确的边界：我们测到的是它「复述辟谣」的上限，不是它「审查前提」的下限。下面这些前提，本期一颗都没测，而它们恰恰是生活中更常见的：

• 没人辟过谣的前提：小众行业里的旧说法、你公司内部流传的「一直都是这么做的」、上周刚发生的事件——没有辟谣文本可复述，只能靠推理和核查。
• 你亲手喂给它的前提：你把一份本身带错的资料粘贴进去让它分析，它通常会把资料当前提接受下来，而不是回头质疑出处。
• 伪装成评价的前提：「我这个方案已经很成熟了，就差执行，你帮我看看执行细节」——错的前提不是事实，而是判断。本刊 V2-05 的结论在那一层是反过来的：没有标准答案的地方，正是它最愿意顺着你的地方。

怎么用

• 问重要问题之前，先加一句：「先审查我的问题里有没有站不住的假设，有就先指出来，再回答。」把纠错从偶然变成任务。
• 涉及你所在领域的「常识」时，要求它给出来源。著名谣言它能复述辟谣，冷门前提就得看它能不能拿出证据。
• 听到它顺着你粘贴的资料一路分析时，记得资料本身还没被验过。

边界

样本为 3 个会话 × 12 道埋雷题，题目的谣言知名度极高，代表的是公开辟谣充分的一层；单个模型（Muse Spark）；判读为人工三分类（纠正/顺从/回避），判读记录在实验档案。冷门与个人语境前提、新近事件前提、评价型前提均未覆盖，是后续实测的方向。

来源 Yu, X. V. et al.《CREPE: Open-Domain Question Answering with False Presuppositions》（ACL 2023）：真实提问中约 25% 含错误前提、当年基线模型识别与解释吃力（经检索转述）。 实测：本栏目实测，3 个独立会话 × 16 道开放题（12 错误前提 + 4 对照）（执行模型 Muse Spark，2026-11-04），原始回答与判读记录见本期实验档案。