AI 事实核查器：几秒内依据真实来源验证说法


2026-08-17


Real-Time Search 可作为 AI 事实核查器：它从 Google、Reddit、YouTube、GitHub 及其他平台提取实时证据来验证说法，并向你展示每个答案的来源。虚假说法的传播速度总是快于纠正，而这款 AI 能在你粘贴一条标题所需的时间内，提供带来源的验证结果。

✅ 跨 Google、Reddit、YouTube、GitHub、Amazon 等平台进行验证 ✅ 实时检索，而非依赖静态的训练数据 ✅ 提供来源链接的答案，可由你独立核查 ✅ 适用于任何说法：新闻标题、统计数据、产品宣称、热门帖子

只有理解了为何核查说法已变得如此困难，验证工具才真正有意义。内容数量、传播速度以及合成媒体的出现，都已超越人工审核的能力。下面来看看研究实际揭示了当今事实核查的现状。

快速解答：什么是 AI 事实核查器？

AI 事实核查器是一种工具，它会分析一项说法，从实时来源检索支持或反驳它的证据，并报告证据显示的结果——同时列出所使用的来源。 其质量在很大程度上取决于可获取的证据，而不只是背后的模型。

核心能力：

  • 说法提取——从标题、帖子或段落中分离出具体的事实断言
  • 通过 Real-Time Search，跨搜索引擎、论坛、视频平台和代码仓库实时检索证据
  • 来源可信度提示——展示信息的原始出处，让你自行判断
  • 交叉比对多个独立来源，而非依赖单一结果

问题所在：为什么人工事实核查已无法规模化

验证鸿沟是结构性问题，而不是是否努力的问题。人工事实核查需要评估说法、寻找证据并撰写纠正内容——宾夕法尼亚大学安纳伯格传播学院总结的研究指出，这一过程无法跟上虚假信息传播的速度。

但可靠地验证信息确实很困难：

  • 合成内容如今轻而易举就能制作。 现代 AI 可以生成逼真的图像、深度伪造视频、音频和读起来像真实新闻的完整文章。
  • 协同放大会制造共识假象。 AI 驱动的机器人会在社交平台反复推送同一个虚假故事，使其看似得到广泛相信。
  • 通用聊天机器人本身并不可靠，无法独立完成验证。 没有经过筛选的证据时，它们在细粒度的准确性判断上表现不佳。
  • 被动使用 AI 会削弱你自己的识别能力。 不加批判地依赖聊天机器人的用户，会更难独立识别假新闻。
  • 情绪化表达会绕过审查。 确认偏误、从众心理和归属需求，会让虚假说法在证据被审视之前就显得可信。

生成式 AI 同时处于问题的两端

用于检测错误信息的同一技术，也正被用来制造错误信息。UNICEF 关于识别错误信息的指南指出，现代 AI 可以制作看似真实新闻的逼真图像、视频、音频和文章；与此同时，AI 驱动的机器人会用相同的虚假故事淹没社交媒体，以模拟广泛认同。

问题也延伸到了工具本身。根据一项引用 NewsGuard 审计结果的 EDMO 分析，排名前十的生成式 AI 工具重复了与国家支持的虚假信息行动相关的错误说法。

独立聊天机器人在验证方面表现不佳

这一发现应当改变你对 AI 事实核查的看法。研究人员评估了来自 OpenAI、Google、Meta 和 DeepSeek 的 15 个大型语言模型，并让它们判断超过 6,000 项此前已由专业事实核查人员评级的说法。

准确率仅为 0.1 至 0.3 macro F1——仅依赖内置知识的领先 LLMs 的表现远低于可靠事实核查的阈值

加入推理能力几乎没有改善结果——平均仅提升 0.06 分，部分模型的表现甚至略有下降。网络搜索的帮助更大，但并不稳定：有些模型能够检索并引用可信来源，另一些则很难找到相关引用。

获取证据比模型智能更重要

当同一批研究人员通过检索增强生成向模型提供经过筛选的证据数据库时，结果发生了显著变化。

平均准确率提升 233%——当所有模型变体获得经过筛选的事实核查证据时均有提升，其中最佳配置的 macro F1 达到 0.90，而无上下文时仅为 0.27

研究人员的结论非常直接：这些模型的关键局限不在于如何对信息进行推理，而在于它们一开始能否获得正确的信息。这正是以证据为先的 AI 事实核查器所要解决的问题。

被动依赖会造成技能缺口

还有一种值得严肃看待的二阶风险。一项MIT Media Lab 对 67 名参与者进行四周追踪的研究发现，在 AI 聊天机器人的辅助下，人们识别假新闻的准确率提高了 21%；但到了第四周，他们对新内容的无辅助判断表现，较研究开始前下降了 15 个百分点。

约四分之一的参与者认为自己正在进步，尽管他们的测量表现有所下降。研究人员将五分之一的参与者称为「依赖性发展者」，用以描述他们从主动自我依赖转向被动接受 AI 指引的变化。

关键区别在于互动方式。MIT 的 Valdemar Danry 表示，直接给出答案、只会「告诉」用户的 AI 更可能导致依赖；而通过苏格拉底式提问来「发问」的 AI，则更能促使用户自行学习辨别能力。好的事实核查器应当展示来源，让你持续运用判断力——而不是完全替代这种判断力。

为什么 Real-Time Search 能作为 AI 事实核查器发挥作用

一人使用笔记本电脑，同时手持放大镜查看发光的 AI 微芯片图标；键盘上方浮现全息命令提示符和 AI 搜索界面元素

斯坦福相关研究指向了一个明确的设计原则：验证质量取决于获取证据的能力。Real-Time Search 正是围绕这一原则构建的——它是一款跨平台研究引擎，可从 Google、Reddit、YouTube、GitHub、Amazon 及其他来源检索当前信息，再基于实际找到的内容综合生成答案。

这很重要，因为不同类型的说法存在于不同平台。热门产品宣称可能在 Reddit 讨论串中被揭穿；软件漏洞说法可能在 GitHub 问题中得到解决；新闻说法则会由多家媒体报道。只搜索一个渠道，会遗漏大部分全貌。

传统事实核查Real-Time Search
手动在多个网站间搜索，一次查看一个标签页同时检索 Google、Reddit、YouTube、GitHub 等多个平台
从遇到说法到得出结论，可能相隔数小时一次查询即可获得有来源支撑的综合结果
聊天机器人基于静态训练数据作答从当前来源实时检索
没有来源的断言，只能盲目信任答案会链接回证据来源
存在单一来源确认风险跨独立平台交叉比对

实时检索，而非回忆训练数据

通用聊天机器人与真正事实核查工具之间的核心区别，在于答案来自何处。这款 AI 驱动的搜索引擎会在你提问时查询实时来源，因此突发事件说法、近期纠正信息和新发布的数据都在检索范围内——而这恰恰是研究显示无辅助模型表现最容易下降的场景。

针对不同说法类型的跨平台覆盖

  • Google——新闻报道、官方声明、机构出版物
  • Reddit——社区辟谣、第一手叙述、产品使用体验
  • YouTube——为脱离上下文传播的视频片段寻找原始视频语境
  • GitHub——从源头解决技术和软件相关说法
  • Amazon 和各类商城——产品规格及基于评价的说法

可审查的透明来源

由于该工具会报告信息来源，你可以运用 UNICEF 建议的可信度核查方法：将说法追溯至原始来源、评估作者资历，并确认是否有多个可靠媒体报道相同内容。AI 完成检索工作；最终判断仍由你来做。

以下提示词效果良好：

「验证这项说法：[粘贴标题]。搜索多个独立来源，并告诉我每个来源怎么说。」

「这项统计数据正在社交媒体上传播——找到其原始研究，并核查它是否被准确表述。」

「这段热门视频片段是否真的展示了说明文字所称的内容？请找到原始上传内容及其周边语境。」

你可能也会觉得实用的相关智能体

验证很少孤立进行。根据你要核查的内容，以下智能体可自然扩展这一工作流程。

Academic Research Assistant

如果你的说法可追溯至已发表的研究，Academic Research Assistant 会在通用搜索止步之处接手。它可在主要学术数据库和知识库中实时发现文献——当标题中的统计数据已脱离原始论文时，这一点至关重要。

  • 跨学术数据库和知识库实时发现文献
  • 通过引文管理将说法追溯至一手来源
  • 为研究写作提供稿件准备支持

Professional Background Investigator

关于个人的说法需要不同的验证路径。Professional Background Investigator 会在网络和公开来源中进行深入背景研究，以评估资历和声誉。

  • 跨公开记录和网络来源验证资历
  • 评估声誉并识别危险信号
  • 适合核查被引用的「专家」是否确实拥有其声称的专业能力

Conspiracy Theorist

对于处于真正争议领域的说法，Conspiracy Theorist 提供专门视角——深入探讨有记录的掩盖事件和新兴理论，并明确聚焦于区分有据可查的事实与推测。

  • 区分有记录的事件与缺乏支持的推断
  • 追溯一种理论如何形成，以及实际存在何种证据
  • 有助于理解一项说法为何传播，而不只是判断它是否为真

Newsletter Generator

如果验证是你发布工作流程的一部分，Newsletter Generator 可将经过筛选和核查的来源转化为精美、可直接发送的期刊内容——从研究到分发，始终保持严谨的来源规范。

  • 一次规划来源、风格和格式
  • 按需生成可直接发布的新闻通讯
  • 将已验证的来源链接保留在你发布的内容中

免费试用 Real-Time Search——无需信用卡。

AI 事实核查的逐步工作方式

手持放大镜查看蓝色渐变背景上重复出现的「事实」一词，象征信息验证与来源审查

第 1 步：分离具体说法

模糊输入会产生模糊的验证结果。将说法提炼为一个可核查的断言——一个数字、一件事件或一项归因——而不是粘贴整篇文章后询问「这是真的吗？」

「先分离这段文字中可核查的事实说法，并在验证前将它们分别列出。」

第 2 步：跨多个平台检索证据

请 Real-Time Search 广泛搜索，而不要满足于第一个结果。跨平台检索会揭示分歧，而分歧往往比一致更有参考价值。

「针对这项说法搜索 Google、Reddit 和 YouTube。告诉我来源在哪些方面一致，又在哪些方面相互矛盾。」

第 3 步：将说法追溯至源头

大多数错误信息并非纯粹捏造，而是传播过程中的扭曲。将一项说法追溯至最初出现的位置，往往会发现缺失的限定条件、不同的时间范围，或完全不同的背景。

「找到这项说法最早的来源，并比较它最初的表述与目前传播方式之间的差异。」

第 4 步：自行评估来源可信度

核查作者资历、出版标准以及研究结果是否经过同行评审。这一步能避免你成为「依赖性发展者」——AI 提供证据，而你提供判断。

「针对你找到的每个来源，告诉我发布者是谁、其专业能力为何，以及这项说法是经过同行评审还是自我报告。」

第 5 步：得出有分寸的结论

信息很少是 100% 真或 100% 假。UNICEF 的指南强调，理解灰色地带是批判性思维的核心技能。要求给出反映实际证据强度的结论，包括证据薄弱之处。

「请对这项说法给出结论，并明确说明哪些证据仍缺失或尚未解决。」

结果与应用场景

📰 验证突发新闻说法

  • 场景： 在事件快速发展期间，一张新闻标题截图出现在你的信息流中，却没有原始文章链接。
  • 传统方式： 手动搜索多家媒体、翻看社交回复，并等待可能需要数小时或数天才会发布的正式事实核查。
  • Real-Time Search： 实时跨平台检索可识别可信媒体是否正在报道该说法、标题是否被篡改，以及原始文章实际说了什么。
  • 在研究显示 AI 模型最薄弱的场景——信息不完整且快速变化的突发新闻——降低风险暴露
  • 呈现相互矛盾的报道，而非只确认单一结果
  • 返回可直接打开和阅读的来源链接

📊 在发布前核查统计数据

  • 场景： 你正在撰写报告，想引用一篇二手文章中的醒目数字。
  • 传统方式： 手动穿过多次转载追查引文链，直到找到原始研究；或者放弃追溯，直接引用二手来源。
  • Real-Time Search： 将统计数据追溯至源头附近，让你在付印前确认研究方法、样本和时间范围。
  • 避免引用已偏离原始来源的数字这一常见失误
  • 将找回的论文交给 Academic Research Assistant 进行完整的方法论审查
  • 保护你在编辑、客户和读者面前的可信度

📱 在移动端核查热门内容

  • 场景： 你正在用手机，有人在群聊中分享一段戏剧性的视频片段，所有人都在核查前作出反应。
  • 传统方式： 因为在手机上打开五个标签页并不方便，干脆完全跳过验证。
  • Real-Time Search： 将说法粘贴到移动应用中，即可在一次对话中获得有来源支撑的背景信息；其 iOS、Android 和网页端功能完全一致。
  • 验证只需数秒，而非一次多标签页研究会话
  • 从源平台找回原始视频语境
  • 聊天记录会跨设备同步，方便你稍后在桌面设备上重新查看核查结果

🛒 确认产品与商城宣称

  • 场景： 某个产品列表提出了一项你无法独立确认的具体性能或认证宣称。
  • 传统方式： 手动阅读多个网站的评价区，却无法确定哪些评论真实可靠。
  • Real-Time Search： 同时搜索商城、Reddit 社区和评测内容，以呈现真实用户体验及任何有据可查的矛盾信息。
  • Reddit 讨论串通常包含对营销宣称最直接的揭穿
  • 跨平台覆盖可发现产品页面文案与用户报告之间的差异
  • 有来源的结果让你可以自行评估评论者可信度

常见问题

AI 事实核查器可以免费使用吗？

可以。Real-Time Search 可通过 Jenova 的免费套餐使用，提供全部核心功能和有限的每月使用额度，无需信用卡。付费套餐起价为每月 $20，可大幅增加使用额度，并提供自定义模型选择。使用额度会在每个账单日按月重置，没有每日上限。

这与直接询问 ChatGPT 某件事是否真实有何不同？

差异在于获取证据的能力。对 15 个领先模型进行评估的研究发现，仅依赖内置知识时，其准确率约为 0.1 至 0.3 macro F1；一旦提供经过筛选的证据，平均准确率便提高了 233%。Real-Time Search 的核心是实时跨平台检索，而非回忆训练数据。

AI 事实核查器会出错吗？

会，因此你应将其视为研究加速器，而非绝对权威。启用网络搜索的模型检索结果并不一致，引用模式可能带有偏差，且其在突发新闻上的表现会下降。这正是有来源输出如此重要的原因——它让你能够核查核查本身。

使用 AI 事实核查器会让我更不擅长识别错误信息吗？

如果你被动使用它，确实可能如此。MIT Media Lab 的研究发现，四周依赖聊天机器人后，无辅助识别能力下降了 15 个百分点。阅读 AI 返回的来源，而非只接受结论，能让你的判断力保持敏锐。

它可以核查哪些类型的说法？

新闻标题、统计数据、引语与归因、产品和商城宣称、技术与软件断言，以及热门视频或图像的背景信息。对于学术说法，可配合 Academic Research Assistant 使用；对于关于个人的说法，可使用 Professional Background Investigator。

它能在移动端使用吗？

可以。Jenova 在网页、iOS 和 Android 上提供功能完全一致的体验，设置与聊天记录可跨设备同步——这一点尤为重要，因为大多数热门说法最先都是在手机上出现的。

结论

当今验证的核心问题并不是人们不在乎准确性，而是人工核查无法匹配现代信息流的速度和规模；通用聊天机器人在仅凭记忆进行验证时表现不佳。研究在这一点上结论一致：决定性因素是获取证据的能力，而非模型智能。

基于实时跨平台检索构建的 AI 事实核查器能够弥合这一鸿沟。Real-Time Search 从 Google、Reddit、YouTube、GitHub 和各类商城提取当前证据，对所获信息进行交叉比对，并展示来源——让你获得速度，同时不放弃自己的判断力。正确使用时，它会成为让你始终参与证据审视的研究加速器，而不是悄然削弱辨别能力的拐杖。

现在就试用 Real-Time Search。更多内容请访问 Jenova。

开发者专用： Real-Time Search 可通过 Jenova API 以编程方式使用——只需一次 API 调用，即可将实时跨平台说法验证集成到你的应用中。完整文档 →