AI研究工具仍过于热衷将公开信号转化为确定性

我在AI研究工具中一直注意到一件事：它们很擅长找到有趣的东西，但并不总是擅长承认那个“信号”很弱。我一直在用Komo AI做公司研究，我真正喜欢的是它能多快从公司名称出发，生成一个紧凑的最新信号包，并把底层来源紧贴在摘要旁边。用于扫描账号或在进行更深入的研究前先熟悉情况，这比处理一堆标签页要方便得多。对我来说，有用的功能包括： - 公司级别的研究，而非通用网页答案 - 近期事件和信号集中在一处 - 来源页面附在声明旁 - 当需要审查多家公司时，能更快确定优先级 但仍然存在一些痛点，对Komo和该类别的大多数工具都适用。公开事件并不等同于意图。招聘页面可能已经过时。融资公告可能与你关心的问题毫无关系。技术提及可能描述的是合作伙伴或旧技术栈，而非当前使用情况。而一份清晰的摘要可能让一个不牢靠的推断显得更加确定。我的变通办法是将任务分散到多个工具：Komo负责发现并构建来源包。Claude或ChatGPT对初始解释进行反驳。Codex则在我需要流程可靠重复时，检查必填字段、日期和结构化输出。我在亲自打开最可靠的来源后做出最终判断。审核提示故意保持简单：“将来源直接陈述的内容与你的推断分开。展示最有力的反对证据。如果某个结论依赖于缺失或过时的信息，则标记为未解决。” 我希望研究产品下一步改进的是矛盾处理。不要只展示最新的支持信号——要呈现削弱它的证据，显示来源之间的分歧，并将“证据不足”作为首要结果。Komo在发现阶段为我节省了时间，但我不会把它——或任何研究AI——本身当作真理的来源。我最看重的功能不是摘要，而是能够快速回溯到证据。 对于使用AI研究工具的人：在实践中，哪个更重要，更好的发现还是更好的不确定性/矛盾处理？