AI 给的链接不等于已经核实（带引用也不可靠的七类错误）

风险概述

模型在联网搜索后给出带链接的回答，会让用户产生"已经核实过"的错觉。实测显示，链接存在 ≠ 链接真实支持表述。原文实验中 3123 次引用中 45.37% 不能完整支持对应表述，"无中生有"出现 952 次，是最突出的错误。这一风险独立于"内容是否过时""地区是否匹配""AI 搜索是否可信"等既有风险，专门指向"链接层面的幻觉"。

观察日期：2026-07-13。实验本身采集于 2025-07 前后，模型版本与网页内容会变化。

触发场景

• 用户向 AI 询问具体年份、机构、统计数字、法规条款、研究结论。
• 用户使用 AI 搜索类应用、豆包 PC 版、夸克网盘搜索或通用聊天模型的联网模式。
• 用户在新闻判断、消费研究、工作调研、学习引用等场景下，把 AI 给出的链接直接当作引用源。

可枚举的错误类型

• 链接失效：链接本身打不开、404 或被替换。
• 无中生有：链接根本不存在，或对应页面与回答所述毫无关系（出现频率最高的类型，3123 次引用中出现 952 次）。
• 张冠李戴：链接指向真实来源，但所述事实与该来源不符。
• 时间混乱：引用了过时数据或时间错位，把过去的事件说成现在发生。
• 以全概偏 / 以偏概全：用片面或不具代表性的来源支撑普遍性结论。
• 计算错误：模型基于引用做出的运算出错（百分比、加总、对比等）。
• 其他未细分类别：原文与本风险页保留这一空位以容纳后续类型。

与其他常见误区的区别

• 不等于"AI 搜索不可信"：AI 搜索本身仍可能给出正确摘要，错在"链接幻觉"上。
• 不等于"深度思考就更可靠"：实测显示开启深度思考并未稳定降低引用错误。
• 不等于"模型总体准确率"：45.37% 仅指引用不能完整支持表述的比例，不是回答整体的事实性指标。

人工复核点

• 每条事实是否拆解成可独立判断的陈述。
• 是否真的打开了每个链接，而不只是看到链接文本。
• 是否在打开的页面中定位到了对应证据，而不是凭印象判断"差不多"。
• 是否记录了错误类型以便后续回看。
• 高风险领域（医疗、法律、金融、公共安全）是否升级到专业人员或权威机构复核。

影响

• 错误结论被直接采用：把带有具体数字、年份、机构名的错误回答当作真实数据传播。
• 决策风险放大：在消费、新闻判断、工作调研、学习引用等场景下，错误信息被进一步转述或引用。
• 信任错觉：用户以为"带链接就是已核实"，降低主动核验意愿。
• 高风险领域风险叠加：在医疗、法律、金融、公共安全等场景，错引可能造成实际伤害。

与现有风险页的关系

• 与 用 AI 摘要理解政策时的过期、地区错配、摘要遗漏与幻觉风险 互补：后者侧重政策摘要的过期、地区错配与遗漏，本风险侧重"链接 ≠ 核实"。
• 与 把 AI 搜索当作即时本地化生活信息检索替代品的错配风险 互补：后者侧重把 AI 搜索当作即时可靠来源的误用，本风险侧重即便开启联网搜索后链接仍可能不可靠。
• 与 AI 体检报告通俗解释的医学幻觉、急症等待与敏感健康信息泄露风险 互补：本风险是通用版的"链接幻觉"问题，后者强调医学场景必须由医生复核。

应对做法

• 使用 AI 引用是否真正支持表述的核验流程（拆事实 → 打开链接 → 定位原文 → 判断支持关系） 中的拆事实—打开链接—定位原文—判断支持关系—记录错误类型流程。
• 在 检查 AI 回答里的链接是否真的支持结论 的任务指引下执行批量核验。

来源边界

• 本风险页基于 SRC-LIFE-006：实测数据告诉你：带引用的 AI 也不可靠 的实验数据与作者列出的七类错误。
• 45.37% 不能完整支持、952 次"无中生有"等数字仅适用于那次实验的样本与时段。
• 原文刻意匿名了五款主流模型，本风险页不补全。
• 本风险页不评价"AI 总体准确率"或"具体模型排名"。