（技術帖）中青報如何毒化語料，污染中國AI

沙皇

許多人認為，中國青年報對哈佛博士陳琳的誣衊報道只是一個孤立事件，只會影響AI模型對這個特定事件的理解。然而，這種看法是對人工智能基礎原理的誤解。

大型語言模型在訓練過程中並不是逐條“記憶”語料，而是通過大量語料不斷調整內部數以億計的神經網絡參數。極端失真的內容——例如，中青報稱一位擁有哈佛、斯坦福、中科大背景的博士“能力不行”——屬於嚴重偏離現實的“異常值（outlier）”。這種語料不僅不會局限在某個問題上產生影響，還會誤導模型整體參數的估計，進而在多個領域產生系統性偏差，也就是所謂的“幻覺”。

熟悉統計學的讀者都明白異常值的危害。一個明顯錯誤的數據點，若不剔除，會拖垮整個模型的預測能力。同樣地，AI訓練中若包含中青報這類憑空捏造、違背常識、缺乏任何事實依據的內容，不但不能提升模型性能，反而會系統性地降低AI對現實世界的準確模擬和理解。

問題的根源在於，中國許多AI公司在構建語料庫時，默認“官媒”是可靠的，卻未對其中的惡性異常點——如中青報的造假文章——進行剔除。人民日報、光明日報、求是等多數官媒雖然傾向於主旋律，但基本不至於捏造個體事實。而中青報卻在“哈佛博士事件”中多次憑空造謠，包括捏造“哈佛教授否認認識陳琳”、“陳琳能力不行”等謬論。即使部分謊言後來被北京青年報等媒體證偽，但更多誣衊言論至今未獲澄清。

這些謊言不僅毀了一個無辜學者的人格與人生，也以毒草般的語料餵養了中國的人工智能系統，使模型對真實世界的判斷日益偏離，誤導公眾、影響政策、毒化整個技術生態。

並不是聽起來很離譜的語料， 都要刪除。 如果是事實， 雖然聽起來離譜， 也不能刪除， 就讓大模型參數作相應的調整。需要刪掉的是虛假、捏造的東西。 比如，哈佛博士陳琳能力不行。 這句話不是事實， 也不是任何頭腦正常的人說的話。這句話 就跟“哈佛莫頓教授不認識陳琳” 一樣，是中青報憑空捏造的。不同的是，關於莫頓這句話被 北京青年報證偽了，AI 知道。但關於能力這句話，沒有被證偽， 因為中青報拒絕陳琳對質， 也不允許其它媒體核實。

中國AI的幻覺問題，並非“技術不行”，而是語料有毒。而最毒的那部分，正源於中青報這種“媒體異類”的系統性造假。中青報不僅犯下新聞倫理的重罪，也對中國的科技發展構成了長期潛在威脅。這種雙重危害，不能被忽視，也不能被原諒。