简短回答：AI 主持访谈可以帮助识别欺诈或低质量受访者，但无法单独完成这项工作。一个会追问具体经历的主持人，产出的访谈记录会让粘贴进来的聊天机器人答案和编造的经历更容易被人工发现。可靠的欺诈识别仍需要三层防线：可控的招募渠道、难以伪造的筛选问卷，以及在分析之前就写好排除规则的访谈记录审计。
最后更新：2026 年 10 月 4 日。
AI 主持研究中的欺诈受访者分三类：机器人、借助 LLM 作答的真人，以及为拿到报酬而在筛选环节撒谎的人。本文回答研究团队最常问的几个问题：AI 访谈能否帮助识别欺诈、各类工具分别做什么、哪些作答信号值得关注，以及当筛查本身也在收集数据时，如何处理知情同意与隐私。
要点速览
- 欺诈比例取决于招募渠道。2026 年公开发表的估计显示，LLM 代答比例因平台不同，从 10% 以下到 80% 以上不等。
- 欺诈识别发生在三个环节：样本库、研究工具和访谈记录。样本库自带的检查不能替代你自己的筛选问卷和访谈记录审计。
- 速答、重复提交和直线作答能抓出低投入的问卷回答；定性访谈记录则需要另一套破绽：结构过于整齐、被追问后仍停留在抽象层面、与筛选问卷的说法相矛盾。
- 欺诈筛查本身会收集个人数据（IP 地址、设备指纹、时间记录）。在 GDPR 下，这需要合法依据，并必须在知情同意书和隐私说明中披露。
- 在阅读数据之前写好排除规则，并由一位具名研究者复核每一次排除。
AI 主持研究为何成为欺诈目标
任何一项给受访者付费、并通过公开链接接受报名的研究，本质上都是一个报酬市场，而报酬市场必然吸引欺诈。2024 到 2026 年之间发生的变化是：伪造一个看似可信的受访者所需的工具，变得既免费又通用。今天的受访者不必自己写出一段关于产品上手体验的漂亮描述，他把问题粘贴进聊天机器人就行了。
实测规模因渠道而异，差距极大。Xu 与 Malkin（2026）在 SOUPS 2026 上发表的研究跑了 250 份问卷，发现借助 LLM 作答的比例在 Prolific 上低于 10%，在 Mechanical Turk 上却超过 80%——差距之大，使得「欺诈率是多少」在不指明招募来源时根本无从回答。另一项 2026 年 5 月的调查中，Conjointly 估计其自有平台数据中有 4–8% 的疑似机器人活动，剔除「速答者」后降至 2–3%；他们还指出，这些可疑作答者更像是有组织的真人欺诈，而非高水平的自动化。
定性研究之所以反应更慢，是因为大家默认它自带防护：一场 30 分钟的访谈，总该能把非真实受访者筛掉吧。而如今，正是这个假设成了漏洞本身。
三类欺诈受访者
它们需要的对策不同，因此值得分开来看。
| 类型 | 具体含义 | 主要防线 |
|---|---|---|
| 自动化机器人 | 由脚本或浏览器 agent 从头到尾完成整项研究 | 招募管控、时间分析、LLM 会失败的任务 |
| 借助 LLM 的真人 | 真人把问题粘贴进聊天机器人，再把答案粘贴回来 | 访谈记录层面的分析、追问、语音模式 |
| 资格欺诈 | 真人如实作答，但谎报入选资格以获取报酬 | 筛选问卷设计、与独立记录交叉核验 |
资格欺诈最常见，却最少被讨论。Ziminski 与 Liddell-Quinty 于 2025 年 12 月在 BMJ Open Quality 上撰文，描述的正是线上定性招募中的这一模式：报名在极短时间内密集涌入、Gmail 地址呈现相似的命名规律、IP 地理位置扎堆或明显不合理。他们建议的防御手段并不花哨——一份有意为之的触达与招募计划、一份简短的筛选问卷，以及以社区参与式招募取代公开链接。
究竟什么方法能识别 LLM 代答
2026 年文献中有两个发现值得记住，因为它们与直觉相反。
请受访者「不要用 AI」并不能解决问题。Xu 与 Malkin 测试了平台选择、问卷长度、明确要求不使用 AI，以及禁用复制粘贴。这些措施确实降低了 LLM 的使用率——但作者报告说，它们并不必然改善数据质量。一个把边缘受访者从「粘贴」推向「瞎猜」的威慑手段，并没有为你换来更好的数据集。
陷阱题胜过分类器。Conjointly 的「认知陷阱」思路是嵌入一些人类稳定能做对、而 LLM 稳定做错的任务——他们举的例子是一个经过改动的 Müller-Lyer 错觉图，模型会凭记忆中的固定模式作答，而不是看眼前的刺激材料。报告的失败率为 LLM 51–100%，而人类正确率为 78–96%。这一原则不限于视错觉：任何一道正确答案取决于模型看不到的细节、或与某个著名问题的标准版本相矛盾的题目，都可以充当陷阱。
就定性研究而言，访谈记录本身就是一个问卷所不具备的识别面。经由聊天机器人产出的回答，往往在每一道问题上都结构工整得高度一致、倾向于概括而非叙事、被追问时抗拒给出具体细节，并且总是老老实实回答被问到的那个问题，不像真人那样发散跑题。而一句「带我回到最近一次发生这件事的时候，包括你在那之前做了什么」，是很难靠「粘贴—返回」的循环来应付的。
AI 主持访谈能帮助识别欺诈或低质量回答吗？
能，但是间接的。AI 主持人无法在访谈过程中可靠地判断一个人是否真实。它能做的是追问具体经历、对含糊的回答继续跟进，并换个角度再问同一个问题。这样产出的访谈记录里，粘贴进来的聊天机器人文字、编造的经历以及与筛选问卷相矛盾之处，事后都会更容易被人工审阅者发现。
这种间接作用之所以重要，是因为定性数据拥有封闭式问卷所没有的「可检测面」。问卷里一个「5 分里打 4 分」的回答没有任何细节可供审视；而一段十分钟、讲述上一次续签软件合同经过的叙述却有。主持人越坚持要求具体细节，造假的成本就越高。
哪些工具能识别 AI 主持访谈中的欺诈受访者？
没有哪一个工具能覆盖整个研究。欺诈识别分散在三类产品中：招募样本库在受访者进入你的研究之前筛查人；问卷与访谈平台在你的研究工具内部标记低质量回答；研究者仍需人工审阅访谈记录。问清楚每个供应商实际覆盖的是哪一层。
下表汇总了截至 2026 年 10 月 4 日的公开信息。表中数字均为各供应商自行报告，而非独立基准测试结果。
| 层级 | 示例（公开信息） | 检查内容 | 不覆盖的部分 |
|---|---|---|---|
| 招募样本库 | Prolific（authenticity checks） | 针对开放文本回答的行为信号，如复制粘贴与切换标签页；Prolific 报告精确率为 98.7%（2025 年 11 月），适用于 Qualtrics、Gorilla 及其自有的 AI Task Builder | 在这些集成之外的工具中运行的研究；真人的资格造假 |
| 样本库 / 问卷流量 | CloudResearch Sentry | 行为分析、用于识别重复的设备指纹、默认认同（acquiescence）偏差题、AI 作答标记 | 一场开放式长访谈内部发生的事 |
| 招募平台 | User Interviews | 其公开帮助中心介绍了贯穿受访者全生命周期、基于机器学习的欺诈监测 | 你通过自有链接招募的受访者 |
| 研究工具（问卷） | Qualitati 对话式问卷（回答质量卡片） | 基于规则的标记：速答、矩阵题直线作答、重复的受访者标识 | 作答缓慢且多样的机器人；借助 LLM 写出的开放文本 |
| 研究工具（访谈） | 任何被配置为追问具体经历的 AI 主持人 | 让编造或粘贴的回答在访谈记录中更容易被发现 | 不会给出自动判定；仍由人来决定 |
哪类平台提供欺诈识别、人群定向与筛选功能？
主要是招募样本库和招募平台，而不是访谈工具。样本库掌握人群定向所需的画像数据，在注册时进行身份与设备检查，并允许你在邀请受访者之前加入筛选题。AI 访谈与问卷平台通常从这些样本库或你自己的名单获取受访者，再在研究工具层面叠加质量检查。
在实践中，一套站得住脚的研究组合包括：用于定向与身份核验的样本库或经过验证的名单、一份由你撰写并掌控的筛选问卷，以及一个其访谈记录或作答日志可供审计的访谈或问卷平台。如果你通过公开链接招募，样本库这一层就缺失了，另外两层必须承担更多。我们关于为 AI 主持访谈撰写筛选问卷的指南详细讨论了第二层。
哪些信号可以标记低质量回答？
对问卷而言，三个确定性信号承担了大部分工作：速答、直线作答和重复提交。对访谈而言，有用的信号存在于访谈记录之中。把每个信号都当作需要细看的理由，而不是自动排除的依据。
| 信号 | 适用场景 | 常见规则 | 误判风险 |
|---|---|---|---|
| 速答 | 问卷 | 完成用时远低于中位数（例如不到中位用时的一半） | 阅读速度快的人、再次参与的受访者 |
| 直线作答 | 矩阵 / 网格题 | 在三个或以上条目的题组中给出完全相同的答案 | 在较短题组上本就观点一致 |
| 重复提交 | 任何研究 | 同一受访者标识、邮箱模式或设备多次提交 | 家庭或实验室共用设备 |
| 结构过于整齐 | 访谈记录 | 每个问题的回答长度与打磨程度几乎一致 | 写作严谨的人、离线起草的非母语者 |
| 追问下仍保持抽象 | 访谈记录 | 两次要求举出具体经历后仍没有任何具体事例 | 相关经验确实很少的受访者 |
| 与筛选问卷矛盾 | 筛选问卷 + 访谈记录 | 叙述内容与资格声明相冲突 | 诚实的记忆偏差 |
Prolific 的检查代表了行业方向：它看的是行为，而不是文本，因为试图识别 AI 写作文本的分类器很难把它与工整的人类写作区分开。AI 机器人与研究数据质量指南更深入地讨论了问卷端的防御手段。
如何在 AI 主持访谈中管理受访者的知情同意与隐私？
把欺诈筛查本身视为一项数据收集。IP 地址、设备指纹、时间戳和行为日志在 GDPR 下都属于个人数据。在知情同意书和隐私说明中写明这些数据，只收集筛查实际用到的部分，并设定保存期限。同时告知受访者访谈由 AI 主持人进行，并且他们可以随时跳过问题或停止。
对于高校研究，伦理委员会越来越常问三个问题：是否披露了 AI？受访者能否退出？数据在哪里处理？在招募之前就把欺诈筛查规则写进研究方案，这样事后的排除就不会看起来像是在丢弃不利数据。我们关于AI 主持研究中的知情同意的解读提供了可直接改写的措辞。
本节介绍的是一般性的研究伦理实践，不构成法律意见。请向你的数据保护官或伦理委员会确认 GDPR 方面的义务。
AI 访谈欺诈筛查表
这是一份原创的三层清单，可用于任何 AI 主持的研究。每一层拦截的都是上一层漏掉的东西；单独任何一层都不够。
第一层——招募（在任何人报名之前）
- 优先使用已知名单、客户数据库或经过审核的样本库，而非公开链接。
- 不要在可被抓取的招募文案中公布报酬金额。
- 使用一次性的唯一访谈链接，而不是一个共享 URL。
- 事先设定一个预期的招募速度——如果某个小众 B2B 人群在一小时内涌入 40 份报名，那是信号，不是运气。
第二层——筛选问卷（访谈之前）
- 至少包含一道开放题，要求作答者给出该领域特有的亲身细节，而不是一段定义。
- 包含一项可与独立记录核验的信息（账号、订单、职位）。
- 加入一道低风险的注意力题或陷阱题，让模型凭记忆而非凭题面作答。
- 记录报名时间戳、邮箱命名规律和粗粒度地理位置——并且成批审阅，而不是逐个查看。欺诈体现在分布里，而不在单个个案里。
第三层——访谈记录审计（访谈之后）
- 标记那些在所有问题上回答长度与结构几乎恒定的访谈记录。
- 标记那些在连续两次要求讲述具体经历后仍停留在抽象层面的回答。
- 核查筛选问卷中的自述与访谈叙述之间是否存在内部矛盾。
- 把回答延迟与回答长度作对比——一段又长又工整的答案却是瞬间给出的，值得再看一眼。
- 在阅读数据之前就确定排除规则，并记录每一次排除及其理由。
最后一条是方法学上的保障，而非反欺诈手段。在看到某位受访者的回答是否支持你的假设之后再把他排除，无论每一次排除单看多么合理，都属于「研究者自由度」问题。
Qualitati 在其中的位置
Qualitati 是一个面向高校与研究公司的欧洲定性研究平台，价格亲民，并把数据隐私与 GDPR 作为核心优先事项。它支持文字与语音形式的 AI 主持访谈与焦点小组、对话式问卷，以及一次可覆盖至多 100 份访谈记录的 AI 主题分析。
平台的若干能力与上述分层相对应。AI 主持访谈可以配置为追问具体经历、而不是接受第一个答案，这正是第三层中访谈记录层面的防线——一个会追问「具体是什么时候，接下来发生了什么」的主持人，产出的数据在可测量的意义上更难伪造。语音模式抬高了「粘贴—返回」循环的成本，但并未将其消除。带 AI 追问的对话式问卷，天然适合承载一份能根据作答内容自适应的第二层筛选。而由于 ThemeLens 会把每一个主题锚定到受访者原话上，剔除一份访谈记录后可以直接重跑分析，无需拆解一套手工搭建的编码手册。
在对话式问卷中，分析页面提供一张回答质量卡片，用于标记速答（在至少有四份带时间记录的回答后，完成用时不到中位用时一半）、在三个或以上条目的矩阵题组中的直线作答，以及重复的受访者标识。它只做标记、不删除任何回答，排除与否仍由研究者决定。AI 访谈中的受访者知情同意页面会说明参与是自愿的，受访者可以跳过问题或停止。
我们并不把访谈记录的自动欺诈识别宣称为一项产品功能。上面这套筛查是一种研究运营实践；诚实的说法是：平台让其中几层更容易执行，而不是让这几层变得不必要。
局限与取舍
这里的每一项控制手段都有代价。
- 更严的招募会降低样本多样性。封闭名单和客户数据库更安全，但代表性更差。对于面向你尚未触及人群的探索性研究，这个取舍很昂贵。
- 陷阱题会失效。一旦某道认知陷阱被公开传播就不再管用，而模型能力也在推进。任何具体的陷阱题都应被视为易腐品。
- 误判会伤害真实受访者。非母语者、使用辅助技术的人，以及单纯写字工整的人，都可能显得「过于结构化」。排除必须建立在多项信号相互印证之上，绝不能凭单一标记。
- 流行率估计不可迁移。上文的 4–8%、以及 10% 到 80% 的数字，描述的是特定平台在特定时点的情况。你自己的比率，是关于你自己渠道的一个实证问题。
- 这些都不是合规或安全方面的主张。欺诈筛查关乎数据效度，与知情同意、隐私和伦理审查义务是两回事。
人工复核说明：排除标准以及任何针对具体受访者的欺诈判定，都应在影响已发布结论或报酬决定之前，由一位具名研究者复核。
适合谁，以及什么时候不必这么做
本文适用于通过公开或样本库渠道开展有偿研究的高校研究团队、博士生、定性与市场研究公司，以及 UX 和洞察团队。对于同事之间的内部研究、没有报酬因而没有造假动机的无偿研究，以及与你本就相识的人逐个约定的访谈，这套做法过于繁重。在那些场景里，只做第三层就足够了。
常见问题
线上研究中的欺诈受访者有多普遍？
这几乎完全取决于渠道。Xu 与 Malkin（2026）发现借助 LLM 作答的比例在 Prolific 上低于 10%，在 Mechanical Turk 上超过 80%；Conjointly 在 2026 年 5 月的分析中估计其平台上疑似机器人占 4–8%，剔除速答者后为 2–3%。
要求受访者不要使用 AI 有用吗？
部分有用。Xu 与 Malkin 测试了明确要求，以及禁用复制粘贴和缩短问卷；使用率确实下降了，但作者报告说数据质量并不必然改善。
AI 主持人能在访谈过程中识别出欺诈受访者吗？
并不可靠，任何负责任的平台都不应声称能做到。AI 主持人能做的是追问具体经历与细节，从而产出让人工复核者事后更容易发现破绽的访谈记录。
语音访谈比文字访谈更安全吗？
它抬高了把问题转手给聊天机器人所需的成本，但并不是解决方案——语音可以照着念，而且语音本身还带来无障碍与转录准确性方面的额外考量。
样本库供应商的欺诈检查能替代我自己的筛查吗？
不能。Prolific 的 authenticity checks 或 CloudResearch Sentry 这类样本库检查覆盖的是样本库一侧的身份、设备和行为，它们无法核验你研究的资格条件，也无法判断一段访谈叙述是否可信。请保留你自己的筛选问卷和访谈记录审计。
可以仅凭一个危险信号就排除某位受访者吗？
不可以。单一指标会对非母语者和书写工整的受访者产生误判。应要求多项证据相互印证、在分析之前定好规则，并记录每一次排除。
核心结论
欺诈受访者如今已是有偿线上研究的常态运行条件，而非边缘个案，AI 主持访谈也并非自带防护。可行的防御是分层的、并且乏味的：管住招募渠道、设计一份难以伪造的筛选问卷，并按照你在看数据之前就写好的规则去审计访谈记录。这三层没有一层可以省略，也没有任何一层是足够的。
免费开始，赠送 30 个额度——无需信用卡——或在开展下一项 AI 主持研究之前先查看透明定价。
参考来源
- Xu, Z., & Malkin, N. (2026). A Penny for Your Prompts: Experiments Detecting and Mitigating LLM Usage by Survey Respondents. SOUPS 2026. arXiv:2607.00403
- Conjointly（2026 年 5 月 18 日发布，2026 年 8 月 10 日更新）。We went looking for bots. conjointly.com
- Ziminski, D., & Liddell-Quinty, E.（2025 年 12 月）。线上定性研究中识别潜在欺诈受访者的策略。BMJ Open Quality. 罗格斯大学公共卫生学院综述
- Prolific (28 November 2025). How Prolific detects bots and AI in online research. prolific.com
- CloudResearch. Sentry and Verisoul integration for data quality. cloudresearch.com
- User Interviews help center. Learn how UI builds a high-quality participant audience. help.usertesting.com
- NORC at the University of Chicago (2026). Fraudulent respondents and bots in nonprobability surveys: A literature review. norc.org
首次发布：2026 年 9 月 5 日。最后更新：2026 年 10 月 4 日。
本文是对第三方研究的独立编辑性综述。Qualitati 与文中引用的作者或平台无任何隶属关系，上述解读为我们自己的观点。文中涉及的竞品与平台表述均基于截至 2026 年 10 月 4 日的公开信息。