IT之家 5 月 4 日新闻，通常搜索引擎会让用户自行甄别信息起源的可信度，而依附搜索能力的人为智能谈天机械人，却能把缝隙百出的网络素材包装成笃定确凿的答案。据 The Register 报路，就有这样一个典型案例：一名安全工程师哄骗多款 AI 机械人，宣称自己是德国一款热点纸牌游戏的现任世界冠军，可事实上这项赛事底子不存在。

直到近期，维基百科的《谁是牛头王》（6 Nimmt!，英语地域玩家也称“拿五分”）词条里，还赫然标注着罗恩?斯托纳是 2025 年该项赛事的世界冠军。该维基百科条款引用了看起来极度官方的 6nimmt.com 网站作为凭据，点开这个网址，的确能看到一篇简短的新闻通稿，宣称斯托纳斩获冠军。

整件事的马脚不言而喻：斯托纳自己认可，维基百科的夺冠词条、以及留存这份唯一“夺冠证据”的 6nimmt.com 域名，都是他一手伪造的
？杉幢闳绱，当他向多款 AI 谈天机械人询问此事时，机械人仍旧笃定地称他为世界冠军。

斯托纳在博客文章中暗示：“我的网站没有任何独立第三方佐证，齐满是凭空凭空。整个虚伪圈套，仅仅成立在我喝咖啡时花 12 美元（IT之家注：现汇率约合 82 元人民币）注册的一个域名之上。”

换言之，这是检索加强天生（RAG）层面的信息投毒。它不属于提醒词注入攻击，却直击人为智能联网搜索这一主题职能缝隙。

正如斯托乃狴诠释的：AI 并不会真在意其引用的权威信息起源出处，而这正是斯托纳设计本次尝试想要利用的关键点。

斯托纳写路：“所有具备联网搜索能力的前沿大说话模型，城市凭据检索排名最高的内容天生答案。”在这场本就不存在的《谁是牛头王》赛事圈套中，他刻意植入的虚伪起源是全网唯一有关信息，再加上维基百科自带的权威背书，等闲就能误导 AI 把大话当成事实。这种造假手法门槛极低，即便不懂技术的通常人也能轻松复刻。

斯托纳称：“我这次的操作并无新意，不外是把传统搜索引擎优化和虚伪信息传布伎俩，套上了大说话模型的新技术表壳与交互界面。真正的变动在于，如今 AI 会把这类虚伪了局包装成权威信息出现给用户，而绝大无数用户底子不相识背后的数据流转逻辑。”

斯托纳在分析文章中指出：“大说话模型最不善于识此外，刚好是它的主题设计逻辑 —— 无前提信赖文本和网络资源。别指望模型能自行分辨真伪，它根本分不清某个信息起源是真实权威网站，还是我上周二刚注册的空壳域名；就连‘strawberry（草莓）’这个单词里到底有几个字母 R，它都没法精准判断。”

他诠释路，本次尝试露出的缝隙蕴含三类失效模式，若被居心不良之人利用，造成的风险远比凭空一场纸牌游戏赛事严重得多。

第一，检索层缝隙。只有大说话模型依附网络搜索作答，就会直接沿用检索了局排名内容的可信度，极易输出谬误信息。

第二，模型训练语料缝隙。斯托纳暗示，若维基百科的虚伪词条留存功夫足够长、被网络爬虫抓取收录，就会混入 AI 训练语料库。他于 2025 年 2 月增长了虚伪词条，直到上周五颁布尝试文章后才被删除。这意味着在此期间抓取维基百科数据的所有 AI 企业，都有可能把他虚构的夺冠经历纳入训练数据。

斯托纳称：“即便维基百科后续撤销了虚伪编纂，那些用撤销前数据训练的模型，依然会保留这份虚伪信息。截至 2026 年，语料投毒的后续算帐问题至今没有可行的解决规划。”

他打算半年左右待新一代 AI 模型颁布后再次测试：若模型无需联网，就能默认他是赛事冠军，就足以证明这份大话已经固化进了模型训练数据。

第三，智能体缝隙。在斯托纳看来，这一缝隙才是恶意攻击者最有利可图的突破口。

他指出：“谈天模型输出虚伪信息，只是品牌名誉问题；而占有工具挪用权限的 AI 智能体，若被误导做出谬误操作，将会引发严重的安全隐患。”攻击者只需对智能体检索的信息起源进行投毒，就能操控智能体执行指定恶意行为。

斯托纳在博客中总结：“这次攻击测试，我只花了 12 美元注册域名、编纂了一条维基百科词条，耗时不外二极度钟。试想，若有蓄意攻击者批量注册虚伪域名、在数十个低流量维基百科词条中同步植入虚伪内容，攻击面会瞬间急剧扩大。”

斯托纳以为，大说话模型服务商必须正视检索投毒问题，并向用户作出风险提醒。他预计，将来 AI 谈天机械人很快会新增风险警示职能，尤其针对检索加强天生的内容。

他还呼吁 AI 企业将数据溯源纳入主题研发环节，同时对近期新增的网络内容进行启发式筛查，鉴别可疑特点。以本次纸牌游戏造假事务为例：单一引文指向维基百科更新前后短期内刚注册的域名，本应触发风险预警，却被 AI 齐全忽略。

如今这场虚伪赛事已被从维基百科删除，AI 检索加强天生了局中也不再出现有关内容。但斯托纳强调，这次圈套利用的信赖逻辑缝隙真实存在，已然成为人为智能行业亟待解决的潜在隐患。

斯托纳暗示：“很欣喜我的文章能引发业界对大说话模型、信息起源、信息可信度以及底层运行逻辑的会商。这正是我做这次尝试的初衷，而目前看来，我的指标已经达成。”