文章主要内容与创新点总结一、主要内容该研究聚焦大型语言模型（LLMs）的“认知脆弱性”（epistemic fragility），即提示词框架会系统性影响模型对错误信息的纠正效果，而非仅由主张的真实价值决定。研究通过2×4×2×2的因子设计，围绕“开放性”“用户意图”“用户角色”“复杂度”四个提示词特征，在10个错误信息领域（如疫苗与自闭症、气候变化否认、登月阴谋等）生成320条提示词，收集了Claude Sonnet 4.5、ChatGPT-5、Grok-4、Gemini 2.5 Pro四款前沿模型的2560条回应，从纠正强度和纠正策略两方面展开分析。核心发现包括：模型差异显著：Claude Sonnet 4.5纠正强度最高（平均立场得分8.40），Gemini 2.5 Pro最弱（5.77），后者强纠正概率比前者低74%；提示词特征的影响：创造性意图使强纠正概率降低89%，任务导向意图降低60%；权威用户角色比普通询问者使强纠正概率低21%；开放型框架比封闭型高75%，复杂度无显著影响；错误信息领域差异：疫苗与自闭症话题纠正最强，新冠病毒起源、转基因食品话题纠正最弱；纠正策略偏好：模型最常使用“引用证据”“分析推理”“替代解释”“诉诸权威”“共识呼吁”，策略有效性受提示词特征和话题类型调控（如健康类话题多用共情语气，科学类多用权威共识，阴谋论类侧重证据推理）。
