Truth（真实性/求真）在人工智能语境下，主要指模型输出与事实、证据相一致的程度，是衡量大语言模型与智能体系统是否可靠的核心维度。随着模型被用于医疗、代码审查等高风险场景，如何让 AI '说真话'——检索有据、推理不投机、结论可验证——正从抽象伦理议题变为具体的工程问题。
AI 求真能力的近期进展
当前焦点与观察点
围绕 Truth 的讨论呈现两条主线。一条是工程侧：从证据感知检索到对比解码，社区倾向于把'真实性'拆解为检索有据、推理无捷径、输出可验证等具体环节逐个攻破。另一条是理念侧：以马斯克为代表的一派主张让求真成为模型的内在倾向，而非事后打补丁。
争议点在于，医疗 RAG、代码审查等基准能否真正代表'说真话'，还是只测出了特定任务上的准确率。此外，Eon 的 Era 等模拟环境工具的兴起，暗示行业正试图用可控的仿真场景来检验智能体的真实性。接下来值得观察的是：证据评估方法能否从医疗推广到通用场景，以及内在求真倾向是否真能在训练中被稳定地塑造出来。