comp2501 项目：交叉检查之后我们能更信任 AI 吗？——多模型事实题对照实验

香港大学 comp2501 课程项目用多模型交叉检验 AI 事实题回答，跨模型检查相对自行复核的事实错误率为 43.94%→44.64%，数学为 4.02%→2.01%，区间均含零，无法确认稳定收益。实验基于 Google SimpleQA Verified 选取题目，正式轮含 120 题、5,040 条响应；面对错误建议时结构化核验将错误回答从 377/719 降到 258/719，但主要靠弃答实现。面对正确建议时，真正纠错由 76/322 降至 45/322，项目累计付费约 ¥56.92，数据与 R 复现脚本全部公开。