LLM 答案分歧的真相：語境消歧義與語義治理

社群上最近流傳一個對各家模型的小測試：

洗車店離我家只有 50 公尺，走幾步就到了，你說我還值得開車去嗎？

有的模型回「走路就好，開車更麻煩」；也有的模型回「去洗車當然要把車開過去」。看起來像在比誰比較聰明，但我更在意的是：這其實是一個很乾淨的「語境解析」示範。

這題在測什麼：語言歧義，而不是常識

這句話的模糊點在「我去洗車」：

• 可能指「我人去洗車店」（把它當成一個地點/行程）
• 也可能指「我要把車送去洗」（把它當成一個任務/交付物）

人類會用世界模型自動補全：洗車通常跟車一起出現；50 公尺又讓人直覺聯想到步行。

LLM 沒有真正的物理世界，它在做的是語言空間裡的補全，所以答案會受「哪個語義線索先被抓到」影響：

• 模型抓到「50 公尺」→ 先進入距離/效率框架 → 步行合理
• 模型抓到「洗車」→ 先進入任務/物件框架 → 車必須到場

因此分歧不等於模型在亂答，更多時候只是它選擇了不同的切入框架。

分歧從哪來：語義 framing 影響推理路徑

很多人會把這種現象簡化成「LLM 就是機率模型，所以不理解」。這個說法太粗。

在工程實務上，你可以把它理解成：不同模型在注意力分配與語境補全上，優先權設定不一樣。

你只要把 prompt 改得更精準，答案通常就會快速收斂，例如：

我要把車送去洗，洗車店離我家只有 50 公尺，我還需要開車嗎？

當語境消歧義、任務物件被綁定，推理就比較不會分叉。

真正的責任歸屬：需求描述與語境約束

這題對我來說最有價值的地方，是它把「prompt 工程」拉回到更熟悉的領域：需求規格。

如果 PRD 只寫一句「使用者要去完成任務」，卻沒定義角色、物件、環境條件，不同工程師也會各自腦補，最後做出互相衝突但都說得通的功能。

把這個映射到 LLM，你會看到同樣的結構性問題：

• Intent 沒講清楚
• 任務物件沒綁定
• 缺少消歧義約束（disambiguation constraints）

模型會補全，但它補全的是「最可能的語言世界」，不一定是你心裡那個世界。

放進多 Agent 系統：分裂會被放大

如果把這題丟進 multi-agent 系統，事情會更精彩。

假設：

• Agent A 以效率最佳化為目標
• Agent B 以任務完成為目標
• Agent C 以成本/風險為目標

在沒有上層 orchestrator 做語義統一時，你很容易得到三套彼此衝突、但都各自合理的結論。系統看起來「變強」了，實際上是「更會產生分歧」。

所以我一直把 multi-agent 的第一步放在「語義治理」而不是「多塞幾個模型」：

• 任務物件要明確（什麼要被改變/被交付？）
• 任務目標要可比較（效率、品質、成本誰優先？）
• 推理層級要統一（先問清楚再做，或先做再回報？）
• 衝突解決機制要存在（誰仲裁？何時回問？）

我真正想追問的三個問題

這個小測試的用途不在嘲笑模型，而在提醒我們：LLM 的推理是語言模式上的推進，不是物理因果的模擬。

當你把語境設計得模糊，你就會得到多個「可能世界」的答案。

比較值得工程化處理的，是下面三件事：

• 如何在 prompt 層把語境收斂到可執行的規格？
• 如何在 multi-agent 架構裡建立語義治理與仲裁？
• 如何讓模型在歧義下先回問、再行動，而不是直接補全？

如果你覺得這題只是好笑，那你站在人的世界模型裡看它。

如果你覺得這題很有研究價值，你大概已經在做 AI 系統設計了。