两个 AI 对同一篇论文给出不同答案，应该怎么办？

你把同一篇论文上传给两个 AI。一个说干预有效，另一个却说结果无法确定。两边都解释得很自信，看起来也都引用了论文。

这时不要立刻找第三个 AI 投票。先确认前两个工具是否真的在用同一份来源、回答同一个问题。

很小的设置差异，也会产生完全不同的回答。检查两个工具是否都拿到：

一个工具可能搜了网页，另一个只读 PDF；一个拿到预印本，另一个读的是正式发表版本；旧对话里还可能残留“重点关注积极结果”之类的要求。先排除这些差异，再把它当成真正的解释冲突。

把回答放进一张四列表格：

“干预有效”还是太宽，要继续拆：

接着让两个工具分别指出支持答案的表格、图片、页码或段落。一个工具如果始终说不出位置，这比让它再写一段更长的解释更能说明问题。

很多表面矛盾其实来自范围不同。干预可能改善了次要结果，却没有改善主要结果；治疗刚结束时有效，随访时却消失；全体样本没有明确效果，某个亚组则出现差异。

也要比较作者的措辞。“没有统计学显著差异”不能证明两个方案完全等效；“与……相关”不等于“由……导致”；一个同时包含获益和伤害可能性的置信区间，也不能被写成确定的零效果。

两个工具可能各自挑中了真实细节，只是在概括时都走得太远。

找到冲突位置以后，把两种解释一起交给工具：

这个问题不是让模型选你喜欢的一边，而是要求它说清差异来自哪里。

有时摘要、结果和讨论的语气确实不同。摘要强调了积极的次要结果，主要表格却显示很大不确定性，讨论部分又把结论说得更宽。

这时应该把模糊本身写出来，而不是强行二选一：

它比“有效”或“无效”更接近这篇论文真正提供的信息。

把论文存进 WisPaper My Library，再用 Library QA 对每篇提取同一组证据：主要结果、比较对象、时间点、数值发现和作者结论。字段统一后，更容易看出两个工具是不是选了不同部分。

如果分歧暴露出你的论文集合混入了不同人群或研究设计，可以回到 WisPaper Search 重新建立更可比的一组来源。控制好来源，往往比再换一种提示词更能减少混乱。