AI 研究報告現在寫得很像那麼回事。結構完整，語氣肯定，末尾還有一串參考文獻。讀完很難立刻判斷：這是查過的，還是模型把幾段印象拼成了一句。
市面上的核對，大多停在「有沒有給連結」。
點進去是一篇文章，或者一個頁面標題。這句話到底對應哪一段，文裡沒有標。你要自己捲動、搜尋，再猜是不是這一處。一篇報告十幾條結論，就得把十幾頁再讀一遍。忙的時候，人們就看連結在不在，把「列了出處」當成「這句話有依據」。
還有一種更麻煩。連結是真的，頁面也打得開，但那一頁並沒有說報告裡的那句話。模型把兩個來源捏在一起，或者用一個真實的標題，配了一個它自己補上的結論。這種胡說，只看參考文獻列表是看不出來的。
所以核對不要從參考文獻開始。要看的是一句結論，和它聲稱依據的那一段原文，能不能對上。對得上，這句話可以留。對不上，就是這句在胡說，跟整篇寫得流不流暢沒關係。
我們怎麼處理
報告會胡說，常常是文章起筆太早。連結和摘要一到，就按印象寫成一段。頁面沒有作為完整資料留下，論點和證據也沒有先收好。
我們把寫作放在後面。收集到的資料先做一次精選，選出和這次研究相關的完整資料。然後在這些資料裡收集證據和論點：哪一段原文在說什麼，哪個判斷是從這些段落裡來的。文章基於這些論點和證據來寫。
一句結論用的就是收好的那段證據。寫完的報告在資料庫的文件裡。打開結論旁邊的來源，看它指回的那段，和這句話是不是一回事。對不上，就改這句，或者刪掉。出處還掛在這句話上，改完可以對著同一段再看一次。
讀錯、把兩段拼成一句，仍然可能發生。差別是句子從收好的證據裡寫出來，對不上時能回到那一段去改。