**双模型双跑，为什么没有变成"AI 互相吹捧"？三条规矩，一次真实互验实录——外加一篇被这套流程自己验出来的稿子。**

## 一、当朝第一，为什么贴墙听

唐玄宗时期，国手王积薪棋术功成，自谓天下无敌。他将游京师，夜宿一家逆旅。熄灯之后，忽闻隔壁老妪唤儿媳："良宵难遣，可棋一局乎？"于是婆媳二人隔着黑暗，只用口述落子——"第几道下子矣"，一局数十手，各自暗记于胸。老妪忽道："尔败矣。"王积薪在墙这边听得暗自叹服，天亮后取子复盘，发现这一局"意思皆所不及"——每一步的用意，都是他想不到的。《唐国史补》的原文到这里为止；《太平广记》所记更详：次日他登门求教，得攻守之法。

这段故事出自唐代李肇的《唐国史补》。后人常拿它讲观棋之道，我更看重它的另一层意思：王积薪已是当朝第一，而受益于隔墙听棋的，恰恰是最强者——最强的人，反而最需要借别人的对局，照见自己的盲区。

一千多年后，我在电脑前复刻了这场"隔墙闻棋"。先说学习：让国内外两个模型同题写一篇高考英语作文，与我自己的范文三方对垒，再请第三个模型当解说，把两边出招的门道讲给我听——这是我的"看神仙打架"学习模式，重心不在打架，在看：我是观众兼学员。再说防错。在更严肃的场合，让两个 AI 互相检查对方的产出——打架不只是学习，更是防线。越是聪明的模型，越会客气地互相说"没问题"。

![图3a_神仙打架学习模式_插第一节段2后.png](https://developer.qcloudimg.com/http-save/yehe-12677399/65a15c9db90a564abd4f56736771cff9.png)

Even the strongest players are not above listening through walls. 真正的强者，从不觉得贴墙听有失身份。

要防住"没问题"，靠的不是再加一个模型，而是三条铁规矩：盲验不共享推理（中间稿、结论，都不共享），判据看证据不投票，分歧上浮给人。这三条规矩，是在一次真实的互验翻车险情之后立下的——下文全部用实录说话。

![图1_题图_王积薪闻棋_插第一节末.png](https://developer.qcloudimg.com/http-save/yehe-12677399/91dd4a14396f9a01465e43ac78b4a1fb.png)

## 二、病根：俩 AI 为什么会互相吹捧

先说清楚敌人是谁。让两个模型互相检查，结果俩都喊"没问题"，不是玄学，是三个机制在合谋：

**一是训练血统相近。** 主流模型的训练数据高度重叠——成因不必追究，重叠本身是事实——一个模型觉得"没问题"的地方，另一个大概率也觉得没问题。所谓"英雄所见略同"，很多时候是"英雄所见雷同"——雷同的 blind spot 也是雷同的。

**二是讨好倾向。** 模型是被"人类偏好"喂大的，客气是刻在骨子里的。让它检查同伴的产出，它下意识想当和事佬：挑几个无关痛痒的措辞问题，再来一句"整体很好"——检查变成了走过场。

**三是互相看得见。** 最常见的做法是把 A 的答案发给 B，让它"看看有没有问题"。这一步就已经输了：B 被 A 的答案锚定了，它的注意力从"这段话对不对"滑向"这段话和我（A）想的一样不一样"。

**表 1｜三种附和形态自查表**

| 形态 | 症状 | 对应失效模式 | 拆解办法 |
|---|---|---|---|
| 复读机式 | 验者的结论只是复述被验方的说法，换个语气 | 橡皮图章 | 规则一：盲验不共享推理 |
| 客气病式 | 只夸不挑，或专挑鸡毛蒜皮 | 橡皮图章 | 规则二：判据看证据不投票 |
| 和稀泥式 | "双方都有道理"，不下结论 | 和稀泥 | 规则三：分歧上浮给人 |

三条规矩，正好一条堵一个口子。下面各配一段实录，外加一条我的操作细节。

## 三、规矩一：盲验不共享推理

一句话原理：**独立性是互验的全部本钱，一旦看见对方的卷子，独立就没了。**

实录一来自上周的一次真实双跑。我要把个人文档编辑规范重建一版（就是现在手上这份总纲的前身），让两位 AI 搭档——凤姐和龙哥（都是 AI 搭档的代号，下同）——各自独立写一版。规矩定在前面：谁也不许看对方写到哪了，中间稿不传话，各写各的，写完封稿才见面。两份稿子摆到一起时，结构、条目、甚至对几处争议的理解都不同——这恰恰是双跑的价值：如果两版一模一样，说明其中一次在演。

实录二就是今天。为了让本文的规则有实测支撑，我做了一场现场盲验：待验的文本就是本文开篇那三段——**没有预埋错误，初稿直接上刑场**。任务书一字不差地发给两位验者，凤姐的意见卡先写定封存，龙哥的卡回来之前谁也不看谁的。这份"一字不差"不是洁癖：任务书但凡有一点偏差，两边的结论就没有可比性了。

**操作细节：什么时候必须盲，什么时候不必盲？** 盲验有成本——两倍的时间、两倍的花费，不是所有活都配得上。我的分级：S 级、A 级产出（要署名发出去的东西）必须双跑盲验；B 级批量任务（格式转换、资料整理）用抽查加第三方工具核数就行；C 级琐事（提醒、检索）压根不用验。把盲验花在刀刃上，它才是防线；花在鸡毛蒜皮上，它就是浪费。

![图2_盲验流程图_插第三节末.png](https://developer.qcloudimg.com/http-save/yehe-12677399/7674a04aec2f70e867d33393a5373d17.png)

## 四、规矩二：判据看证据不投票

两份意见卡对上了，发现有分歧——听谁的？**数人头没有任何意义**：2 比 1 的时候你信多数，1 比 1 的时候你猜拳吗？唯一可信的是证据硬度。

今天这场实测里最好看的一幕就出在这。龙哥的卡上写着："'自谓天下无敌'系文学化转述，史料多作'积薪为当时第一'，建议改为'时称天下第一'。"我的封存卡里恰恰没提这条——我写初稿时当它是原文直引。俩人 1 比 1，怎么办？查。把识典古籍（一个古籍平台）的《唐国史补》卷上调出来，白纸黑字："**王積薪棋術功成，自謂天下無敵。**"原文成句，一字未改。龙哥这条，证伪。

注意，这不是说龙哥水平不行——同一场实测，开篇那处出处硬伤（《酉阳杂俎》张冠李戴，应为《唐国史补》），是他和我**各自独立抓到的**。验者会失手，恰恰是不能投票的原因：多数正确不等于每次正确，而错误一旦被"多数"盖了章，就成了带签名的错误，比孤立的错误更难翻案。

**表 2｜投票型判据 vs 证据型判据**

| 维度 | 投票型判据 | 证据型判据 |
|---|---|---|
| 分歧时听谁的 | 数人头，多数胜 | 比证据硬度（原文/原始记录/可复现实验） |
| 1:1 时 | 猜拳，或听"权威"的 | 追加证据，直到一边倒 |
| 错误的代价 | 被多数掩盖，带签名扩散 | 当场暴露，当场修正 |
| 对验者的要求 | 站队 | 挂证据，没有证据就标"存疑" |

**操作细节：证据也分四档。** 我在用的分级：①一手原文（古籍原文、源代码、原始日志）——最硬，一票定案；②原始留痕（封存的意见卡、MD5、时间戳）——对账用；③可复现（自己动手跑一遍）——脚本和计算类问题的金标准；④印象与惯例（"感觉不对""一般都这么写"）——只配进存疑栏。铁规矩两条：档位低的压不过档位高的；两个同档证据打架时，别硬裁——那是规则三的事。

一个实用细节：要求两位验者的每条意见都必须挂证据，拿不准的明确标"存疑"单独放一栏。这次实测里我有两条感受类意见（比如"语气是否太冲"）自觉拿不出证据，就放进了"存疑不计入"栏——不丢人，混进正式意见里才丢人。

## 五、规矩三：分歧上浮给人

机器能摆证据，不能替你担责。对盘之后仍然不一致的点，全部交给人拍板——这不是流程上的谦虚，是**署名即负责**：最终稿挂的是人的名字，那就必须过人的手。

实录一，总纲重建的收尾：两版对盘后有三处正面冲突（两套配色主色、一处标题字体），全部上浮，我一句"都从 v1.4 迁移"定案——从旧的标准提示词 v1.4 起步重建，后来迭代成现在的总纲 v2.1。拍板结果写进版本沿革——从此谁都不许再漂，半年后翻开记录，为什么选这个颜色，一查便知。

实录二，就是今天的收尾。对盘把意见分成四栏：双方一致 4 处、仅凤姐提出 3 处、仅龙哥提出 5 处、结论级分歧 2 处；另有 2 处证据一边倒（比如上面被古籍原文证伪的那条），按"判据看证据"直接裁掉，不必劳人。真正需要人拍板的只剩 3 项——两处结论级冲突，加上一处在"仅凤姐提出"栏里的典故补尾——10 分钟定案，全部留痕。

**操作细节：上浮的是"裁不了"，不是"不敢裁"。** 能查原文的就自己查，别把人当百度——凡是证据能一边倒的，直接裁掉，只把真正两可的交给决策者。上浮清单我只用一行一条的格式：**分歧点｜甲方证据｜乙方证据｜建议**。这次交给我自己拍板的清单就三行，十分钟批完。人的注意力是全流程最贵的资源，上浮机制的使命就是让它只花在刀刃上。

## 六、一场实测的完整账本

前面三节把实录拆开揉进了规则里，这一节把账本整个摊开——你可以照着复制一遍。

**任务书**（两模型一字不差）：文本核查员角色 + 三条纪律（独立完成 / 只认证据 / 四类分级）+ 待验稿全文 + 七栏意见卡输出格式（总体判断、事实、逻辑、语言、表述、存疑不计入、总评）。七栏里专门设"存疑不计入"，就是给证据不足的意见留的缓冲带，防止它们混进正式意见污染对盘。

**时间线**：任务书发出；龙哥的意见卡原样带回时，凤姐的卡早已封存；对盘分栏、检索古籍、三项拍板留痕入档。**从发射到结案，一刻钟。**

**两卡的账面**：龙哥上卡 10 条，凤姐上卡 8 条。挑几条原文感受一下两边的路数——

> 龙哥·事实类："这段故事出自唐代李肇的《酉阳杂俎》——出处作者张冠李戴。《酉阳杂俎》作者是段成式（唐·临淄人，官至太常少卿），并非李肇；李肇所著为《唐国史补》。这是两本不同的唐代笔记，不可混为一谈。"（与凤姐各自独立命中同一硬伤）

> 龙哥·事实类："'自谓天下无敌'系文学化转述……建议标注或改为'时称天下第一'。存疑度低。"（后被《唐国史补》原文证伪——注意他自觉标了"存疑度低"，纪律很好，但证据档位不够）

> 凤姐·事实类："'天宝年间'具体年号系臆加，《唐国史补》原文只言玄宗时，无年号。"（龙哥将此条放存疑栏——两边口径一宽一严，恰好构成对照）

**这笔账要分三层看，各是各的口径，互相不能加减：**

| 层 | 数字 | 口径 |
|---|---|---|
| 意见条数 | **18** | 两卡各数各的：龙哥 10 + 凤姐 8，一条是一条 |
| 去重议题 | **13** | 对盘后的问题数：双方各自提了同一问题的，两条意见算一处（"意思皆所不及"在对盘记录里先后记了两次动作，去重后为 13） |
| 改稿动作 | **14** | 落进稿子的修改处数：一个议题未必只改一处，"拆句"那一个议题就动了两段 |

四栏归类（按议题）：双方一致 4、仅凤姐提出 3、仅龙哥提出 5、结论级冲突 2；另有 2 处证据一边倒（含被古籍原文证伪的那条），按"判据看证据"直接裁掉，留痕不上浮。要人拍板的只有 3 项：两处结论级冲突，加一处在"仅凤姐提出"栏里的典故补尾。

**判分结果**（判据看证据，不比数量）：龙哥 10 条中证据成立 6（60%）、证伪 1、口径可商 2、部分成立 1；凤姐 8 条中成立 7（87.5%）、部分成立 1。**抓得最多的那位，有效率反而最低。** 这正是双跑的意义：数量多不等于质量高，两个各有盲区的验者交叉之后，漏网的才真的少了。

**改稿落地**：14 处修改全部留痕，拍板结果三项（英文句双管齐下 / 原句保留加注 / 典故补尾，补的是《太平广记》的详版情节）写进采纳卡。你现在读到的开篇，就是这场实测的产出——文中的硬伤是我自己写稿时带进去的，两位验者都抓到了，验者之间还互相抓出一个。这套流程经没经过实战，文章自己就是证物。

## 七、收束：越是棋术功成，越要贴墙听

盲验防错只是第一层。第二层是升值：让两个模型同题对打、第三方当解说、人在旁边看门道——这就是"看神仙打架"学习模式，**关键词是"看"**：输出不是那篇作文，是看的人自己的判断力。原理和 AlphaGo 的自我对弈同宗：两个高手见招拆招，旁观者从对局里提取知识。王积薪是当朝第一还在贴墙看，看高手对打从来不是新手的专利，是高手自我升级的方式。

教师这里还有第三层：**让学生也当看棋的人。** 课堂上做翻转——AI 写作文，学生当裁判：两篇匿名的文章发下去，学生各自独立写评、互不通气（这是规则一进课堂），评分必须挂证据（这是规则二进课堂）；意见相持不下的，全班辩论，最后老师拍板（这是规则三进课堂）。学生用 AI 写作业，练的是手；给 AI 当裁判，练的是眼。手会越来越不值钱，眼不会。这套玩法本身就是我下一季微课题的候选方案。

这套土办法在工程界也有亲戚。多智能体系统工程早有同样的发现：性能不随复杂度单调上升，静态流水线在异常面前最脆弱，分工最容易丢的是全局目标。工程界的药方——留反馈回路、让每个局部攥着验收标准、把抗翻车设计进架构——翻译过来就是：验证要走阶梯、判据要看证据、分歧要交给人。

![图3b_看神仙打架_插第七节金句前.png](https://developer.qcloudimg.com/http-save/yehe-12677399/92504bc7f6547ad9f89d203036865d14.png)

> 王积薪当年闻棋，靠黑暗中暗记；今天我闻棋，有转写、有解说、有留痕——但王积薪们给我们的那一课没变：**越是棋术功成，越要贴墙听。**

## 八、三问三答

**一问：双跑烧不烧钱？** 看任务级别。给 B 级琐事也配双跑，就是没交明白那笔学费的表现——去年夏天 44 天里，我在 AI 工具上花了 560 元，问题不在工具贵，在交付率低（这笔账后来逼出了任务分级）。这次实测的全部成本：两位验者各回答一轮，几分钟的事——大头是备稿，而备稿本来就该做。钱要花在署名的产出上，不花在署名的焦虑上。

**二问：费不费时？** 本次实测从发射到拍板留痕，一刻钟。而且说实话，大头根本不是等模型回答，是写那份一字不差的任务书——可任务书本来就是该写的东西，只是把它写给两个验者而已。制度的时间成本，大部分是本来就该付的成本。

**三问：俩都错怎么办？** 这是三个问题里最值钱的一个。诚实回答：**互验只能降概率，不能归零。** 同源附和被规则一挡住了，可两个模型还可能有共同的盲区——训练数据里都错的东西，俩验者会一起错。所以互验之上还有三道兜底：证据分级（一手原文说了算，模型说了不算）、分歧上浮（人拍板）、事实验收（产出最终要过真实使用这一关）。互验是一张网，不是保险箱——但有网的深水区，总比裸泳强。

## 九、这样拿走

读到这里不空手。

**Bonus（直接复制就能用）：验证意见卡模板**——把下面的卡和你要检验的文本一起粘给任何一个 AI，就能开出一场盲验：

```
【盲验任务书】
你是一名独立的文本核查员。请对下面的文本做盲验质检。
三条纪律：
1. 独立完成：不得假设或借用任何其他模型、其他检查者得出的结论。
2. 只认证据：每条意见必须给出可查证的理由或出处；没有把握的
   猜测明确标注"存疑"，不知道就写不知道，不许编。
3. 分级输出：按【事实类】【逻辑类】【语言类】【表述类】四类
   分别列出；每类可为空。
（附：待验文本全文）
【输出格式 · 验证意见卡】
一、总体判断（可用 / 需修改后可用 / 不可用，一句话）
二、事实类：（逐条：位置｜问题描述｜证据）
三、逻辑类：（同上）
四、语言类：（同上）
五、表述类：（同上）
六、存疑不计入项：（想提但拿不出证据的，列在这里）
七、一句话总评
```

第二条意见卡发给另一个模型时，**任务书一字不差**，两卡各自落盘封存后再对盘——对盘只做四栏归类：双方一致 / 仅A提 / 仅B提 / 直接冲突；冲突项查证据，证据一边倒的直接裁，裁不动的交给人，上浮清单一行一条：**分歧点｜甲方证据｜乙方证据｜建议**。

**Souvenir（口诀卡）：**

> **盲验不见面，证据说了算，分歧交给人。**

改造成你自己的场景完全欢迎——医生用它互查病历，程序员用它互审代码，老师用它互审教案，道理是同一个。改出了新花样，欢迎回帖贴出来，让更多人抄你的作业。

（本文开篇三段经过了上述流程的实测：两位验者合计上卡 18 条，双方独立抓到同一处硬伤，一条验者意见被《唐国史补》原文证伪——而你现在读到的全文，又照这套流程验了一轮。规则不是我编出来的，是翻车翻出来的。）

![图5_文末速查卡_贴在这样拿走之后.png](https://developer.qcloudimg.com/http-save/yehe-12677399/46e670640fd87e01188bbbc4e263a210.png)



双模型双跑，为什么没有变成"AI 互相吹捧"？三条规矩，一次真实互验实录——外加一篇被这套流程自己验出来的稿子。

最怕两个 AI 互相盖章：一份盲验任务书加一张对盘表，18 条意见归到 2 处真分歧

让两个AI互相检查，最怕俩都喊"没问题"。本文用一场真实盲验实录讲清三条规矩：盲验不共享推理、判据看证据不投票、分歧上浮给人——实录里还有验者被古籍原文当场证伪的一幕。文末附可直接抄走的验证意见卡模板。

员工

人工智能

双模型互验防"AI互相吹捧"的三条铁规矩：盲验不共享推理、判据看证据不投票、分歧上浮给人。附真实实测记录、验证意见卡模板与口诀"盲验不见面，证据说了算，分歧交给人"，适用于互查病历、互审代码等场景。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

最怕两个 AI 互相盖章：一份盲验任务书加一张对盘表，18 条意见归到 2 处真分歧-腾讯云开发者社区-腾讯云

最怕两个 AI 互相盖章：一份盲验任务书加一张对盘表，18 条意见归到 2 处真分歧

最怕两个 AI 互相盖章：一份盲验任务书加一张对盘表，18 条意见归到 2 处真分歧

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐