加载失败
Ars Technica（一个面向科技与数码议题的新闻网站，属于 Condé Nast 的媒体群）刊发了一篇指向 Matplotlib（Python 绘图库）维护者的报道，后来被指含有虚构或由生成式模型产出的引述并被撤稿。维护者在博客与社区中回应并保存了被删稿件的存档，读者在 Hacker News 上讨论文章是否由 AI 直接生成、哪些引述可追溯到被编辑过的 GitHub 评论、以及站方的调查与问责。评论把事件与更广泛的媒体质量下滑、并购后的人事与编辑压力、以及生成式 AI 在新闻场景的适用性与核查机制缺失联系在一起。讨论还涉及对开源维护者的同情、读者对媒体信任的丧失以及如何通过屏蔽或退订表达不满。
评论聚焦一篇针对 Matplotlib（Python 绘图库）维护者的报道中存在捏造或由生成模型产出的引述，相关文章已被站方撤下并进入调查流程。读者保存并传播了被删除文章的存档，指出部分引述来源于被编辑过的 GitHub 评论，但也有明显的模型幻觉（hallucination）痕迹。站方在内部讨论区表示撤稿并调查是否违反内容政策，这一回应被认为进展缓慢且信息不足。社区担忧这类错误在面向规模更小或知名度较低的开源项目时更难被发现与纠正，从而扩大错误影响。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
许多评论将个案放入 Ars 长期质量变差的大背景中，指出自被并购后网站越来越依赖厂商通稿、速成报道和软性广告而非专家深度写作。评论回忆早年由领域专家撰写的长篇技术深度与细致测试，反观现在常见的产品导向短稿、宣传式措辞与可能的赞助内容。还有人指出并购并非瞬时事件（曾被提及并购发生多年），但人员流失、预算与流量驱动的编辑节奏使得这种倾向愈发明显。站内论坛与评论区的退化也被反复提及，读者监督与事实核查能力被削弱。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
讨论中出现对生成式模型在新闻制作中角色的激烈争论：多数评论认为在没有严格验证的情况下直接发布 AI 输出是不负责任的，称其类似“vibe coding”（凭感觉把生成物直接投产）。读者要求媒体公开谁使用了工具、核查流程为何、以及如何追溯和更正受影响的既往报道；也有人指出记者面临行业压力，可能被迫采纳工具以求生存。多个评论把本次事件当作对 LLM 在新闻场景产生幻觉风险的现实示例，呼吁建立明确的编稿、审核与透明政策。
评论强调被捏造或误引会对开源维护者造成实质性伤害，包括心理压力、名誉受损和额外的工作量来澄清事实。维护者已在个人博客与论坛中回应并保留证据，社区担心名气较小的维护者无法及时发现或反驳错误报道而承受更大损害。多条评论指出开源生态本就面临维护者倦怠问题，媒体在报道志愿者时应当提高核查门槛与谨慎程度以避免进一步加剧问题。
事件促使部分长期读者表示将取消订阅、删除 RSS 或屏蔽特定撰稿人，很多人已开始只订阅少数信任的专栏作者或转向个人博客与专业小众媒体。与此同时，也有读者指出站内仍存在高质量作者和偶发的深度报道，并主张按作者筛选而不是完全摒弃网站。总体上信任度下降已催生更激进的读者行为（即时退订、在取消时填写理由、在 RSS 中屏蔽特定作者），社区正在以个人名声而非媒体品牌来重新分配信任。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
vibe coding: 指把 AI 或工具生成的产出未经深入核查就直接投入生产或发布的做法，依靠直觉或表面验证而非系统化审查。评论用该词比喻将 AI 产物直接作为新闻发布的行为。
hallucination（幻觉）: 大型语言模型（LLM）生成不准确或虚构事实、引述或细节的现象，在新闻写作中会导致伪造引用与误报。
access journalism: 为维持对企业或权力主体的接触与信息渠道而在报道上做出让步或依赖通稿的媒体实践，常与流量、广告及资源有限的商业化压力相关。