一项新研究让人们先自己答选择题，再在AI助手的帮助下答一次。用较强的AI（GPT-4o）时，人和AI一起答对了85.1%，AI单独答对了88.4%，人自己答只有60%。AI帮了大忙，团队却还是比不上AI单干。作者的解释里有一部分讲的是共同证据：你和AI看同一份材料时，它的同意像是第二个意见，但可能只是同一个意见被算了两次。
研究做了什么，发现了什么
论文是《AI辅助分类中的相关性忽视与信任》，作者Kong、Lyu、Amin、Bennouna、Huttenlocher、Ozdaglar，是来自麻省理工学院和西北大学的六位研究者（arXiv 2611.05870，2026年11月4日发布）。这是预印本，我们还没核实它的同行评审状态。第一部分是一个数学模型：人和AI各自掌握一些证据，其中一部分是共同的。第二部分重新分析了另一个团队早先的答题研究ChatBench：网上的众包答题者回答数学、物理和道德推理选择题，先自己答，再配一个AI（GPT-4o或较小的Llama）答。作者没有收集新数据，分析用了315人、389道题、2199组配对答案。这是答题测验，不是真实工作场景。
理论部分说，如果一个人把共同证据算了两次（研究里叫“相关性忽视”），“更强的AI可能让团队更不准确”；而清楚哪些是共同证据的细心人，至少和任何一方单干一样好。数据部分：两种AI合起来看，人自己答对61.2%，有AI帮忙后是82.4%，提高约21个百分点。用较小的AI时，团队79.5%，AI 78.7%，基本持平。AI单干的分数是多次作答的平均，不完全是每个人看到的答案。数据里最清楚的问题，方向正好相反：按作者估计，人给AI的分量只有细心的人应给的四分之一左右。一个更多听从较强AI的规则，在旧答案上能把团队从85.1%提高到87.7%，但这只是对过去答案的模拟。作者还提醒，这些数字未必适用于医学或用人决策。
证据有多扎实
- 准确：论文引用的实验室实验发现，很多人确实把相互关联的信息当成独立的，会“重复计算”。但那里的人看得到信息怎么关联；面对AI，重叠是看不见的。论文自己的数据不支持完全忽视重叠，也没能确定忽视了多少。
- 被拉伸：一项2024年汇总106个实验的综述，被说成“比人单干没有提升，甚至更差”。实际发现是：团队比两者中较强的一方差，但明显比人单干好。
- 写错两处：论文说ChatBench在亚马逊的众包平台上进行，原始研究其实在另一个平台招募；论文说同一批人搭配了不同的AI，实际每人只配一个，论文第30页自己也承认了。
- 缺失：与“人用AI太少”最相关的“算法厌恶”研究没有被引用。
结论：理论扎实，数据偏弱。可以引用它的想法，别引用它的数字。
我们的小实验
我们做了一个模拟，案例都是虚构的，测什么在运行前就写好了。人答对的概率是70%，AI是85%，AI也读过的人方证据比例从零调到全部。比较三种合并方法：只算一次共同证据的细心人、重复计算的人、重复计算再多问一个单独答对70%的新来源。每种重叠程度跑十轮，每轮二十万个案例。
没有重叠时，两种方法都答对87.7%，高于AI单干的85%。重叠到70%起，重复计算就不如直接听AI；完全重叠时只有83.6%，差1.4个百分点。它还变得过度自信：完全重叠时平均自称有将近88%的把握，多自信了约4个百分点，人和AI意见一致时多了5.5个百分点。加一个新来源后升到86.5%，但仍多自信约3个百分点。在这个设置里，只要AI比人强，重复计算就没有比人单干更差。这是对想法的检查，不是重做论文。
可以怎么用
当读同一份材料的AI同意你时，先问：它看到了什么、想到了什么我没想到的？如果没有新东西，就去找另一份来源：贷款申请之外的还款记录，简历之外的工作样本或背景调查电话，理赔照片之外的现场查看或维修发票。然后把每个来源写在决定旁边。这在核保、人才筛选、理赔、审计和质检这类以复核为主的工作里最要紧。办法不是简单地多信或少信AI，而是弄清每个来源到底看到了什么。