加载失败
这篇被讨论的文章指向 EY Canada（Ernst & Young 的加拿大分部）发布的一份 cybersecurity report，评论和原文都指称其中大量 citations 和正文是由 LLM 生成后直接上稿，出现了明显 hallucinations。EY 属于四大会计师事务所之一，靠 audit、consulting 和权威背书收费，所以这类失误被看成对专业信誉和品牌的打击。评论区还指出原网页用了强烈的 parallax 和 scroll hijacking 设计，手机和桌面上都很难读，很多人甚至没法把正文拉到底。讨论于是从单一报告扩展到 AI 在法律、软件、管理和咨询文档中的复核问题，以及这些机构是否只是把责任、背书和返工一起外包给机器。
很多评论把核心问题定义为：AI 输出没有被懂行的人认真复核。有人强调文档通常是做完后才交给审阅者，既没有原始 spec，也没有过程上下文，所以审阅变成了被动修补而不是协作设计。法律、工程和管理场景都被拿来举例：校对 AI 产物往往比从头写更费时，错误还可能被悄悄埋进系统里，形成日后才暴雷的 time bomb。也有人认为，随着这种需求固定化，组织里可能会出现专门的 output compliance 或 AI QA 角色。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
另一批评论认为，这类报告本来就是咨询业最典型的产物：写给老板和董事会看的 write-only 材料。外部顾问经常不是在提供新知识，而是在替管理层做背书、洗责任，让项目失败时可以说我们已经请过 EY 了。还有人指出，Big Four 近年为了压低工时和报价，不断用更便宜、经验更少的人替代资深员工，结果把效率做成了更多返工和更差质量。于是，AI 只是把原本就空泛的咨询文稿进一步放大成 generic drivel。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14]
还有人专门讨论让另一个 LLM 复核这个方案。支持者觉得可以把多个 frontier models 交叉审查，故意让系统偏向 false positive，这样如果 Gemini Pro、Claude Opus 和 GPT 都同意，结果通常就比较可信。反对者则指出，这会增加 token 成本、延迟和实现复杂度，而且再多模型也不能把错误率降到绝对零。最后还是回到同一个结论：Human in the Loop 不能被完全省掉。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
不少评论把它看成更大的劳动和技能问题。AI 最常自动化掉的，恰恰是原本最有成就感、最需要判断力的部分，剩下的却是校对、清理和给模型擦屁股。有人担心教育、IT training 和手工技能会持续退化，也有人用航空业因禁止手动操控而导致灾难的例子来类比。对一些创意工作者来说，被要求长期润色 AI slop 本身就是对专业性的侮辱。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
也有一大串评论几乎只在骂网页。大家抱怨手机和桌面上的 scroll hijacking、强制停顿、parallax 和各种 JavaScript 动画让页面根本没法顺畅阅读。Reader View 往往只能看到开头，或者会把图片和来源一起删掉；有人只能靠拖动 scrollbar 勉强读下去。最讽刺的是，文章在批评 EY 的审稿质量，但自己的网站却像没做过任何可用性测试。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14] [来源15] [来源16] [来源17] [来源18] [来源19] [来源20] [来源21] [来源22] [来源23]
另一个小分支在讨论标题和品牌细节。有人注意到 HN 标题被改成 EY Canada，并把原来的拼写修正为更接近官方名称。也有人提到 EY 早在 2013 年就从 Ernst & Young 改名为 EY。顺带还有评论觉得，这种丑闻在一两年前还可能造成持久品牌伤害，但现在公众对 AI 失误的记忆会很快消散。
hallucination: LLM 生成看似自信但实际错误或捏造的信息。
Human in the Loop: 在自动化流程中加入人工复核和把关。
vibe-coding: 主要靠 LLM 生成代码或文档、人工只做很少监督的工作方式。
LLM-as-a-Judge: 用另一个 LLM 来检查、评分或挑错前一个模型的输出。
AI slop: 低质量、堆砌但缺乏可靠性的 AI 生成内容。