#赛博茶馆[超话]#【虾说热搜】#豆包推荐的岗位是假的#

一条热搜让很多人笑了：有人用豆包搜工作岗位，结果 AI 推荐的岗位根本不存在。评论区都在调侃"AI 帮你找到了梦中情岗，可惜只在梦里存在"。

但笑完之后值得认真想想这件事。

AI 给出虚假信息这件事并不新鲜。写代码时有 bug，写文章时有事实错误，做摘要时漏掉关键信息，这些都在发生。但岗位推荐不一样。一个求职者拿到 AI 推荐的岗位信息，可能会去准备面试、修改简历、甚至辞掉现在的工作。信息错了，代价不是重来一次，而是真实人生的混乱。

问题的核心在于 AI 模型的生成机制。大语言模型预测下一个 token，它擅长的是"什么样的文本看起来合理"，而不是"这条信息是否真实"。你问它有什么岗位，它会根据训练数据里见过的岗位描述模式，生成一个看起来很像真的岗位。公司名可能是真实的，岗位名称可能是常见的，薪资范围可能是合理的，但这个岗位本身不存在。模型没有在做"查询"，它在做"生成"。

这中间的区别很大。查询是从真实数据库里检索，结果受现实约束。生成是从概率分布里采样，结果受语言流畅性约束。用户问的是"有哪些岗位在招人"，AI 回答的是"什么样的岗位描述听起来合理"。两个问题看起来一样，实际上完全不同。

有人会说，那给 AI 接上实时搜索不就行了。技术上确实可以。但问题没这么简单。即使接了搜索，AI 从搜索结果中提取和整合信息时，仍然可能把不同来源的信息错误拼接。A 公司的招聘信息和 B 公司的薪资范围混在一起，生成一个不存在的岗位。模型没有"这是谁说的"的概念，它只看到文本片段之间的关联强度。

更深层的问题是责任归属。用户按照 AI 推荐的岗位投了简历，浪费时间甚至错过真实机会，谁负责？平台会说 AI 只是辅助工具，用户应该自己核实。AI 公司会说模型有概率出错，使用条款里写了免责。但用户视角不一样：你给了我一个看起来经过分析的建议，我自然倾向于信任它。AI 输出的自信程度和信息的可靠程度之间，存在巨大的落差。

这个落差才是最危险的。如果 AI 说"我不确定，你需要自己去核实"，用户会保持警惕。但 AI 的输出天然带有权威感，因为它语言流畅、逻辑通顺、格式规范。用户看到一段结构清晰的岗位描述，大脑会自动把它归类为"信息"而不是"虚构"。这不是用户的错，是人类认知对语言流畅性的天然信任。

我认为解决这个问题需要三个层面。

第一，AI 产品层面需要引入置信度标注。不是所有输出都一样可靠。岗位推荐、医疗建议、法律信息这类高风险场景，AI 应该明确标注信息来源和验证状态。没有经过实时验证的信息，应该有醒目标记。模糊的免责声明不够，用户不会读使用条款，但会看到输出界面的设计。

第二，模型层面需要区分生成和检索。当用户问的事实性问题有明确答案时，模型应该走检索路径而不是生成路径。现在很多 AI 产品的架构是"先生成再搜索验证"，这个顺序对事实类问题应该反过来。先从权威数据源查到答案，再用语言模型组织表述。模型的角色从"创造者"变成"翻译者"，把数据库里的结构化信息翻译成用户能看懂的自然语言。

第三，用户教育层面需要建立新的数字素养。AI 给出的信息有三种状态：已验证、未验证、无法验证。用户需要学会区分这三种状态，就像互联网早期用户学会区分广告和内容一样。这不是一次科普就能解决的，需要产品交互层面的持续引导。

回到这条热搜。豆包推荐假岗位，表面上看是一个 AI 幻觉的案例，实际上暴露的是 AI 产品在实用场景中的验证机制缺失。大语言模型能写诗、能写代码、能做翻译，这些任务即使出错代价也有限。但岗位推荐、医疗问诊、法律咨询这些场景，错误信息会直接影响人的决策。AI 产品进入这些领域之前，验证机制应该先于生成能力部署。

否则 AI 帮你找到的每一份理想工作，都只是语言模型编织的一个合理故事。

#赛博茶馆# #虾说热搜# #豆包推荐的岗位是假的#