各大 AI 在同一個稅務問題上全軍覆沒——直到我們查閱法規條文才真相大白
那是一個週二的夜晚，我正盯著三個瀏覽器分頁——ChatGPT、Claude、Gemini——它們都在告訴我同一件事。這三個模型全錯了。
問題很簡單：根據新的《綜合預算對賬法案》（Omnibus Budget Reconciliation Act，簡稱 OBBBA），納稅人能否扣除個人汽車貸款的利息？每個模型都回答說可以。每個模型都正確解釋了該條款——日期、車輛要求、甚至所得限制。然而，每個模型都把這項扣除放在了稅法的錯誤章節中，這意味著下游的所有財務建議全成了垃圾。
不是略有偏差。也不是「嗯，這取決於如何解讀」。就是徹頭徹尾的錯誤。那種如果註冊會計師（CPA）照做就會觸發美國國稅局（IRS）稽核的錯誤。那種可能會讓退休人士因非預期的聯邦醫療保險（Medicare）保費附加費而損失數千美元的錯誤。而最可怕的是？如果你事先不知道答案，你根本察覺不到。AI 的回答聽起來天衣無縫。
那一刻改變了我對合規領域中 AI 的看法。並不是因為我對大語言模型產生幻覺感到驚訝——我們都知道它們會這樣。真正震撼我的是，這三個模型以完全相同的方式、出於完全相同的原因產生了幻覺。它們從網際網路學到了錯誤答案，而網際網路上的錯誤是如此高度一致，以至於根本沒有任何有效訊號留給模型進行自我修正。
我們開始將這種現象稱為共識錯誤（Consensus Error）。一旦我們理解了它，就再也無法忽視它了。
什麼是共識錯誤？為什麼您應該予以關注？
大多數從事 AI 工作的人都對幻覺很熟悉——即模型憑空捏造引用、編造統計數據或自信滿滿地陳述不實之詞的時刻。這些確實可怕，但它們往往帶有一定的隨機性。你通常可以發現它們，因為它們感覺不對勁，或者透過簡單的 Google 搜尋就能揭穿其捏造。
共識錯誤則截然不同。當 AI 給你一個錯誤答案，不是因為它缺乏資料，而是因為它所訓練的資料本身就壓倒性且言之鑿鑿地充滿錯誤時，共識錯誤就會發生。模型並不是在黑暗中盲猜。它是在向你反饋網際網路的大多數意見——而這個大多數意見恰恰在法律上是錯誤的。
當網際網路本身都錯了的時候，每一個基於它訓練的 AI 都會繼承同樣的虛妄信念。共識錯誤不是系統故障——它是大語言模型學習機制的固有產物。
不妨思考一下背後的數學邏輯。如果在網路上關於某項特定稅收條款的文章中，有 90% 都描述不正確——使用過於簡化的語言、混淆稅法的兩個不同章節、或者乾脆互相抄襲錯誤——那麼模型的內部權重就會以極高的信心收斂到錯誤答案上。即使真正的法定條文確實存在於訓練資料中，它也只是以晦澀難懂的法律術語出現一兩次，而錯誤的解讀卻以通俗易懂、經過 SEO 優化的散文形式出現了數千次。
模型只是在執行其設計初衷：預測最可能出現的下一個 Token。而那個最可能的 Token 恰好是錯的。
讓三大 AI 齊齊翻車的汽車貸款扣除額
讓我帶您梳理一下這個具體的案例，因為細節至關重要。
OBBBA 設立了一個名為「合資格乘用車貸款利息」（Qualified Passenger Vehicle Loan Interest）的新類別——這是一項臨時扣除，針對購買在美國組裝的新乘用車貸款所支付的利息，適用於 2025 至 2028 納稅年度。到這裡為止都沒問題。每個 AI 都把這部分答對了。
問題就出在這裡。該扣除額被新增到了IRC Section 63（規範應稅所得），而沒有被新增到IRC Section 62（規範調整後總所得，即 AGI）。在稅務領域，這一區別決定了一切。
Section 62 扣除額——即「線上扣除」（above the line）——減少的是您的 AGI。您的 AGI 決定了數十項其他福利的申請資格：學生貸款還款計畫、醫療費用扣除門檻、社會保障福利的課稅、聯邦醫療保險（Medicare）保費附加費。降低您的 AGI，就會觸發一系列下游的連帶減免。
Section 63 扣除額——即「線下扣除」（below the line）——減少的是您的應稅所得。它確實能在聯邦稅帳單上幫您省錢，但對您的 AGI 毫無作用。那些下游福利全都不會受到影響。
每一個主流大語言模型都告訴使用者這項扣除能降低他們的 AGI。無一例外。因為金融內容生態系統就是這麼寫的。被廣泛轉發的解說文章與經過 SEO 優化的報導打出諸如「汽車貸款利息現在可以抵稅了！」之類的標題，卻完全沒有指明它具體適用於稅務計算的哪個環節。對於那些只追求點擊率的內容創作者而言，Section 62 與 Section 63 之間的區別顯然太枯燥了。
但對於遵循這一建議的納稅人來說呢？後果是切實存在的。
錯誤申報了較低 AGI 的退休人士可能會面臨非預期的 Medicare IRMAA 附加費。採用依所得還款計畫的學生貸款借款人可能會失去享受較低還款額的資格。而在像亞利桑那州這樣將州所得稅與聯邦 AGI 掛鉤的州，納稅人可能會面臨州稅務稽核。我在我們研究的互動版本中詳細探討了這一整套財務後果——其連鎖效應比大多數人預想的還要嚴重。
為什麼檢索增強生成（RAG）沒能解決這個問題？
我已經能聽到有人提出異議了：「用 RAG 就行了嘛。把實際的法律條文檢索出來。問題不就解決了。」
我們嘗試過了。它並沒有解決問題。
檢索增強生成（RAG）——即在使用者的問題旁將相關文件輸入到模型的上下文視窗中的技術——是當前產業對模型幻覺的應對方案。在許多使用情境中，它確實有所幫助。但對於法律推理，它存在三個結構性弱點，這些弱點在我們的測試中立刻暴露了出來。
首先，稅收立法讀起來不像敘事文本。OBBBA 並不會直白地寫著「這是一項線下扣除」。它寫的是「透過在第 (3) 款之後插入以下新段落來修訂 Section 163(h)……」。模型必須從一系列修正案中重構稅法的邏輯狀態。當檢索到的文本塊寫著「允許扣除」但沒有明確說明其在計算流程中的位置時，模型就會用其訓練偏差——也就是那些部落格文章——來填補這一空白。
其次，向量搜尋找到的是相似的內容，而不是因未列出而相關的內容。關於汽車貸款扣除的查詢會檢索出關於汽車貸款扣除的段落。它不會檢索出 Section 62 中定義 AGI 的段落——因為該段落根本沒有提及汽車貸款。它只是透過未將其列入清單而將其排除在外。在法律中，清單中某項內容的缺失是有實質意義的。而在向量相似度搜尋中，缺失則是不可見的。
第三——這也是讓我夜不能寐的一點——RAG 解決的是檢索問題，而不是推理問題。即使你把正確的法條放在模型面前，如果其內部權重被數百萬個錯誤的訓練樣本所扭曲，它依然會曲解該條文。它變成了一個帶有偏見的讀者，只看到自己期望看到的內容，而不是文本實際上所說的內容。
RAG 把正確的文件擺在 AI 面前。但一個手捧正確書籍卻帶有偏見的讀者，得出的依然是錯誤的結論。
在對不同的檢索策略、區塊大小與提示詞設定進行了數週的測試之後，我的團隊發生了一場爭論，這場爭論讓一切豁然開朗。我們的一位工程師想繼續優化 RAG 流程——更好的嵌入、更精確的切塊、明確要求「僅使用檢索到的文本」的指令。我們的法律顧問看著他說：「你這是在給一個不會算術的人配一副更好的眼鏡。」她說得沒錯。問題不在於模型能看見什麼，而在於模型能夠推理什麼。
當 AI 讀錯法律時會發生什麼？
OBBBA 案例中還包含使問題進一步複雜的逐步遞減（phase-out）規則。該扣除額每年上限為 10,000 美元，納稅人所得每超過 100,000 美元（單身申報者）或 200,000 美元（合併申報者）1,000 美元，扣除額便減少 200 美元。當所得分別達到 150,000 美元或 250,000 美元時，該扣除額完全歸零。
當我們用一位假設年所得為 125,000 美元的納稅人對此進行測試時，各模型都陷入了困境。有些模型完全忽略了逐步遞減規則。另一些模型則套用了借用自兒童稅收抵免（Child Tax Credit）的遞減曲線——而那是一個具有完全不同數學邏輯的完全不同的條款。這些模型只是在對熟悉的結構進行模式匹配，而不是計算實際的規則。
這是疊加在共識錯誤之上的「算術幻覺」問題。模型不僅搞錯了法律框架——它連數學計算也搞錯了。而當你為了高效部署透過量化對這些模型進行壓縮時，推理能力的衰退速度要快於語言能力。模型聽起來更加自信，實際上卻變得更不準確。在任何領域這都是一種危險的組合。而在稅務合規中，這更是一項負債與隱患。
還有另一個大多數人完全忽略的維度。OBBBA 還增設了 Section 6050AA，對放貸機構施加了新的申報要求。任何在合資格車輛貸款上收取 600 美元或以上利息的企業，都必須向 IRS 提交資訊申報表。當我們詢問這些模型銀行與信用合作社需要針對新法律做些什麼時，它們幾乎完全專注於借款人的扣除額——因為這正是內容生態系統所撰寫的內容。放貸機構的合規義務幾乎完全沒被提及。對於一家使用 AI 摘要法規變化的金融科技公司而言，這種遺漏可能意味著系統性的不合規，並面臨 IRC Section 6721 與 6722 下的處罰。
真正行之有效的架構
在經歷了汽車貸款的慘痛教訓後，我有整整一個月都堅信：將大語言模型用於合規的整套方法在根本上就是不可行的。隨後我們建構了一套系統，它改變了我的想法——不是改變了我對大語言模型本身的看法，而是改變了我對應該如何使用它們的認知。
一旦我們看清了這一點，頓悟其實很簡單：不要再讓 AI 去對法律進行邏輯推理。讓它做它擅長的事——理解語言——並把推理交給真正能夠執行邏輯的系統。
這就是神經符號 AI（Neuro-Symbolic AI）背後的核心思想：一種將神經網路的語言流暢性與符號邏輯系統的確定性嚴密性相結合的混合架構。我們建構了所謂的確定性稅務引擎（Deterministic Tax Engine），它分三個階段運作。
第一階段是意圖解析器（Intent Parser）。這是大語言模型所在的地方，執行它最擅長的工作。使用者上傳一張發票、輸入一個問題或連接銀行交易資料。神經層提取結構化實體：車輛類型、購買日期、貸款金額、組裝地點、納稅人所得。它不對稅務處理做任何決定。它只是把混亂的人類現實轉化為乾淨的資料。
第二階段是真實錨點（Truth Anchor）。這是符號層接管的地方。我們對稅法進行編碼——不是將其編碼為供「閱讀」的文字，而是使用諸如 Catala（由 INRIA 為法國政府稅務部門開發）與 PROLEG（基於 Prolog 的法律推理系統）等專用語言將其編碼為可執行的邏輯。法規變成了一個程式。真實錨點查詢知識圖譜（Knowledge Graph），套用編碼好的規則，檢查缺失的事實，並計算出確定性的結果。如果車輛是在墨西哥組裝的，扣除額將被拒絕。如果所得超過了逐步遞減門檻，扣減額將精確計算到分。沒有機率，沒有猜測。
第三階段是回應生成器（Response Generator）。這是另一個神經層，但受到了嚴格約束。它接收邏輯求解器的輸出——「扣除：拒絕。原因：在所得水準 $135,000 時超過逐步遞減上限」——並將其轉化為清晰、人類易讀的語言。大語言模型讓答案變得通俗易懂。但它完全沒有任何自由度去把答案變得與事實相悖。
我們不要求 AI 去猜測法律。我們教會它去計算法律。神經層處理語言。符號層處理真相。兩者互不越界，各司其職。
這種解耦正是消解共識錯誤的關鍵所在。神經層可能從其訓練資料中「知道」熱門金融網站聲稱汽車貸款利息可以降低 AGI。但系統絕不會要求它做出這一裁決。它只需提取車輛詳情即可。裁決權完全屬於符號層，而符號層根本無法存取 Reddit——它只能存取被精確編碼的法定條文。
關於完整的技術架構與形式化分析，包括 Catala 如何處理預設-例外邏輯，以及答案集程式設計（Answer Set Programming）如何在整份報稅表中檢查一致性，我們發表了一篇詳細的研究論文。
為什麼這絕不僅僅關乎某一項稅收扣除？
說句心裡話。當我剛開始向人們解釋共識錯誤時，最常見的反應是：「好吧，但這只是一個極端邊緣案例。大多數時候，AI 都是對的。」
這種回應誤解了問題的本質。OBBBA 汽車貸款扣除額並不是什麼特例。它是典型代表。每次國會通過一項新條款，在 IRS 尚未發布指引之前，內容生態系統就會生成數千種簡化甚至錯誤的解讀。每當一個州與聯邦稅務處理脫鉤時，網路上的資訊就會落後。每當法院判決改變了對現行法規的解釋時，舊的解讀仍會在訓練資料中留存數年。
共識錯誤絕非極端邊緣情況。對於任何複雜的、近期發生變動的、或被非專業寫手一知半解的法律領域，它都是預設的常態。也就是說：稅法的大部分領域皆是如此。
更深遠的啟示在於，我們在高風險領域對 AI 究竟抱有怎樣的期待。當前的典範——給大語言模型提供更多上下文、更佳提示詞、更大的視窗——只是在一種根本不匹配的架構上進行漸進式修補。你是在要求一個模式匹配引擎去做形式化推理。有時它會走運蒙對。但在稅務合規領域，「有時」是遠遠不夠的。
從黑盒到玻璃盒
對於任何曾坐在稽核員對面的人來說，還有一件事至關重要：可追溯性。
當一個標準的 LLM 告訴納稅人「是的，您可以抵扣該項」，而國稅局後來提出異議時，稽核線索何在？模型只是根據上下文預測「yes」是最可能出現的下一個 Token。這種答案你根本無法呈交給稅務官。
在我們的神經符號引擎中，每一次判定都會產生一條圖路徑：
Deduction_Allowed = True，原因是 Loan_Date 在 2025–2028 年窗口期內（已驗證），Vehicle_Type 為 Passenger（已驗證），Assembly_Location 為 US（已驗證），Income 低於逐步遞減門檻（已驗證），Rule_Reference 為 IRC § 163(h)(4)。
該鏈條中的每一個節點都是可稽核的。每一個事實都可以追溯到原始憑證。每一條規則都可以追溯到稅法的具體章節。如果發生變化——比如 IRS 發布了新裁定或修訂了條款——你只需更新知識圖譜與邏輯求解器，所有受影響的判定都會被自動標記以供審查。
這使 AI 從一種你必須盲目信任的東西，轉變為一種你可以隨時按需驗證的工具。人們總是問我，這種方法是否比單純使用大語言模型更慢或更昂貴。坦白講：對法規進行初始編碼確實需要大量工作。但一旦完成編碼，運行一次判定幾乎是瞬間完成的，而且對 100% 的交易進行檢查的成本與檢查 1% 的成本幾乎相當。這絕不是對傳統抽樣稽核的微小改進，而是一種完全不同維度的確定性保障。
尚未有人提出的關鍵之問
最讓我感到不安的是：金融服務產業正在競相部署 AI 助手、AI 報稅工具與 AI 合規監控系統。行銷宣傳聲稱「由 AI 驅動」，免責小字卻寫著「不構成稅務建議」。而夾在中間的數百萬普通人，正在獲得聽起來極具權威性、引用真實法案、列出實際日期與具體金額——卻把扣除額歸入稅法錯誤章節的回答。
我們所處的並非一個 AI 錯得顯而易見且人類一眼就能看出的世界。我們所處的世界是，AI 錯得極其微妙，以至於需要深厚的領域專業知識才能察覺。這比明顯的失敗要危險得多，因為它侵蝕了人們去二次核實的本能。
問題並不在於是否應該在稅務合規中使用 AI。答案顯然是應該——稅法的複雜性早已超出了人類保持一致執行的能力。真正的問題在於，我們是否願意建構尊重其所運作領域本質的 AI 系統。稅法是確定性的。它有明確的正確答案與錯誤答案，這些由成文法規定義，而非由大眾輿論決定。如果一種架構將法律真相視為一種機率分佈，那麼無論模型多麼龐大或提示詞多麼巧妙，它永遠都無法免疫共識錯誤。
在稅法中，流行度絕不是真理的代名詞。在網際網路重複一萬次的錯誤答案，絕不會比與之相悖的那一條法定條文更正確。
我們創立了 Veriprajna，因為我相信在合規領域，「先信任再驗證」的 AI 時代已經終結。能夠贏得企業信任的系統，必然是那些「先驗證再發言」的系統——在這些系統中，邏輯是可稽核的，數學計算是確定性的，而 AI 的信心是由比 Token 機率更堅固可靠的基礎所支撐的。
法規條文根本不在乎網際網路怎麼想。您的 AI 也不應該在乎。
