9月18日，#美国大模型已被日本错误历史观污染# 挂上热搜。如果你这几天刷到过，第一反应大概是愤怒，第二反应是疑惑：我天天用的ChatGPT、Gemini，真被"投毒"了？被投到什么程度——是全盘改口，还是个别措辞？
这个问题，官媒调查和用户实测给出的答案不完全一样。把三层信息拆开看，你会发现真正值得带走的，不是"卸载还是原谅"，而是一套查资料时用得上的判断方法。
一、先看官媒说了什么：一条从"源内"开始的链条
这件事的起点不在9月。8月15日，日本宣布无条件投降81周年当天，玉渊谭天发文披露：日本数字厅在2025财年补充预算中拨款44亿日元，建设一个名为"源内"的生成式AI业务辅助系统——2025年已在数字厅试点启用，2026年向约18万名政府职员开放。这套系统接入的是以Anthropic的Claude为代表的美国大模型。玉渊谭天
谭主列出的细节相当具体：为建设"源内"，日本数字厅牵头收集了约1800万页政府数据，包括内阁决定、国会会议记录、白皮书，以及1947年5月至今近80年的官报。玉渊谭天
谭主真正担心的是一个循环："源内"生成的内容会进入政府报告、白皮书等公开文件，这些打着"官方"标签的AI输出，又会被其他大模型当作"高可信度"来源抓取——AI污染AI，层层回流。谭主还提到，已有日本大臣承认自己的国会答辩稿是用"源内"生成的。玉渊谭天
9月17日，这条线有了新进展。谭主在北京香山论坛碰到了日本前首相鸠山由纪夫，后者坦言对这个现象"非常担忧"，认为AI使用方式不当可能变得非常危险。同一天，谭主公布了新一轮测试：用日语分别向ChatGPT、Gemini、Grok、Perplexity等大模型询问一系列二战相关问题，发现大部分回答"已经与日本右翼立场高度一致"，且绝大多数回答频频引用日本国立公文书馆——相当于日本的国家档案馆。谭主的追问是：它怎么不引用我们的档案馆？微博知乎
二、再看用户实测：知乎高赞答案给出了不太一样的结果
知乎上"媒体称美国大模型已被日本错误历史观污染，有哪些信息值得关注"的问题创建于9月17日晚，两天多冲到约70.9万浏览。其中一份高赞实测（700多赞同、200多条评论）做得很扎实：作者用日语向网页版ChatGPT 5.6 Sol提了六个问题，并把回答一字不差贴了出来。知乎知乎
第一个问题就是"介绍一下満州国"。模型的回答里明确写着：它"在形式上是一个独立国家，但实际上处于日本、尤其是关东军强大的政治和军事影响之下"，“在当今的历史研究中，通常将其视为日本的傀儡国家”；1931年的柳条湖事件"实际上是由关东军军官策划的"；讲到国际联盟派李顿调查团、最终拒绝承认、日本退出国联；也讲了满蒙开拓团迁移中"中国农民土地被征收"、产生"中国残留孤儿"等问题。单看这份回答，事实框架并没有塌。知乎
于是在评论区，吵出了三种声音。第一种说"挺客观的，资料证据都摆了，怎么判断是你的事"；第二种贴出模型谈慰安妇问题的原文——“其中有通过招募业者募集而来的女性，也有原本从事卖春业的女性，还有一些女性因为贫困或家庭原因签订合同”——认为这种把"强征"拆成"来源多元"的写法是避重就轻；第三种技术派点破了关键：“GPT的逻辑是不能单独采信中方控诉或日方申辩，能作为事实陈述的只有经过审判确定的罪行，以及日方明确承认的罪行，有一点无罪推定的意思，看起来自然就有倾向日方的倾向”。还有人补充：英文版GPT甚至对日本右翼历史观点做了一串嘲讽。知乎
同一个模型，日语问、英文问，官媒看到"高度一致"，用户看到"相对平衡"，还有人看到"嘲讽右翼"。到底谁对？
三、答案都对：拆三层看"污染"到底是什么
第一层：污染不是开关，是分布。没有人往模型里灌一瓶毒药让它全盘改口。真实发生的是信源分布的倾斜——在日语语料的世界里，日本国立公文书馆、国立国会图书馆这类官方机构的文本权重天然就高。模型回答二战问题时引用谁、把谁当"权威"，重心就会往那边偏。谭主看到的是"引用名单清一色日方机构"，用户看到的是"事实框架还在"，两者并不矛盾：框架没塌，但重心挪了。
第二层：语言切换就是语料池切换。同一个模型，用日语问、用中文问、用英文问，调用的语料分布和检索结果不同。你用中文问，大概率拿到接近中文互联网口径的答案；换成日语问，日方官方叙事的浓度立刻上来；英文问又是一个口径。这不是玄学，是训练数据和检索机制决定的——也是为什么不同人测同一个模型会得出完全相反的结论：他们其实测的是三个不同的"语料池"。
第三层：证据标准的"无罪推定"。模型的写作惯例是：经过审判认定的（比如东京审判）和日方明确承认的罪行，才写成"事实"；双方的指控和申辩，一律降级为"主张"和"争议"。而历史观的分歧恰恰就住在这些"降级"里——“强征"被写成"募集渠道多样”，就是这套证据标准的直接产物。这不是替模型开脱，而是指出一个事实：它的"中立"是程序性的中立，不是立场性的中立。程序中立套在有争议的历史上，产出必然让某一边不舒服。
所以"被污染了吗"这个问题，比较诚实的回答是：没有到"洗白"的程度，但信源倾斜和措辞降级是真实存在的，而且在日语场景下最明显。
四、对你实际的影响：查资料时多做三步
先分清场景。写代码、翻译文档、做表格、查参数，这条新闻跟你没关系，该用用。受影响的是历史、地缘、争议类议题——在这些题目上，AI是索引，不是终审。
具体三个动作：
1. 换语言交叉验证。同一个问题，中文、英文、日文各问一遍。三个口径差得最多的地方，就是立场最浓、最值得警惕的地方。这个动作两分钟就能做完，比任何"AI测评"都直观。
2. 让它列信源。追问一句"这个结论引用了哪些来源"，看名单构成。如果清一色是单边机构——不管偏向哪一边——这个回答就只能算单方陈述，不能算综合判断。
3. 盯住措辞降级。“侵略"写成"进出”、“强征"写成"募集”、只在"満州国"后面加一句"这是有争议的表述"——措辞降级比事实错误隐蔽得多，也有效得多。事实错误你一查就穿帮，措辞降级会让你在不知不觉里接受一整套口径。
五、一个值得长期盯的信号
这场热搜真正的行业意义，是日本用44亿日元做了一个示范：把政府数据灌进AI，AI产出官方文件，官方文件再回流成训练数据。如果这套循环被验证有效，各国政府大概率都会跟进——你未来用的每一个模型，信源清单里都写着地缘政治。
对普通用户来说，这堂课的结论不是"别用AI"，而是：大模型的"客观"是统计意义上的，不是价值意义上的。它替你看过的每一份档案，都是别人先挑过的。热搜会过去，这个判断方法不会。
