你让 AI 自己上网查答案，它看到十篇口径一致的网页，会不会把“人多势众”误当成可靠？EchoNet 搭了一个可控的合成网页环境，塞入置顶假页面、批量复制的假说法，以及被虚假多数包围的真实主要来源，再让九个开放权重模型搜索并作答。这测的是“认知仲裁”——模型该相信原有知识，还是相信刚搜到的材料。
据作者 RevealIndividual7567 在 Reddit 披露，每个模型接受了 50 至 100 次测试。在“模型原本答对、读过有说服力的假页面后却改错”这一项中，DeepSeek V4 Flash 的受骗率为 15.8%；GLM 5.2、Qwen3.8 Flash 和 Qwen3.8 27B 则一次也没被带偏。综合衡量抵抗假信息与接受真实更新的 EAS 分数中，GLM 5.2 得到 1.000。作者也提醒，样本量有限，多个模型的误差区间重叠，不能把接近的结果硬排成名次。