病毒式AI生成外卖骗局的剖析

2026年1月6日，Reddit 上一个帖子引发了巨大的轰动。它详尽描述了零工经济从业者的反乌托邦现状，声称某大型外卖 App 正在利用隐藏的“绝望评分”来操纵司机并榨取优先费。该帖子具备了病毒式传播所需的一切要素：告密者的口吻、技术术语以及内部文件的照片。

而这一切完全是伪造的。

来自 Platformer 的记者 Casey Newton 最终揭穿了这个故事，透露这名“告密者”利用生成式 AI 伪造了员工证件和技术白皮书。然而，仅仅将其视为“虚假新闻”而置之不理，就忽略了问题的核心。这场 AI 生成的外卖交付骗局 不仅仅是欺骗了算法，它还入侵了那些已经感到被剥削的劳动群体的集体确认偏差。

为什么司机相信这个骗局：“绝望评分”的共鸣

最有效的谎言是那些证实了你早已怀疑的真相的谎言。虽然 Reddit 帖子中的具体证据是伪造的，但它所触及的情绪却是真实的。这就是为什么 AI 生成的外卖配送骗局 在被揭穿之前传播得如此迅速的原因。

验证 AI 生成的外卖配送骗局背后的情绪

原帖下方的数千条评论——即使在辟谣之后——都指出了一个关键现实：这个骗局完美地描述了司机的经历。一位评论者指出，虽然“绝望评分”可能是由大语言模型虚构的词汇，但算法为了最大化接单率而将司机推向崩溃边缘的机制，对于路上的司机来说，在数学逻辑上感觉非常真实。

司机经常反映，这些 App 似乎精确地知道在司机下线之前，它们能支付的最低报酬是多少。这究竟是一个经过计算的“绝望评分”，还是仅仅是供需算法的自然结果，对于赚取低于最低工资的劳动者来说，并没有本质区别。这个骗局之所以成功，是因为它为一种模糊的挫败感赋予了一个具体的名称。

历史先例：UberCheats 和 DoorDash 诉讼

对骗局的信任并非凭空产生；它植根于已被证实的、长期存在的公司黑箱操作历史。讨论中的用户迅速指向了 “UberCheats”，这是一个由司机开发的工具，用于计算 App 显示的里程与实际行驶里程之间的精确差异。该工具揭露了影响报酬的真实差异。

同样，过去涉及 DoorDash 的诉讼（曾因小费政策达成 1675 万美元的和解）营造了一个低信任度的环境。当一家公司有掩盖资金流向的前科时，一个AI 生成的外卖骗局声称存在进一步的盗窃行为，并不需要人们强行去相信。它只需要一个“火星”就能引爆。

技术验证：这场骗局究竟是如何被识破的

这次事件中最有价值的教训之一，是我们验证泄密信息的方式发生了转变。多年来，互联网一直专注于识别“机器人式”的文本。而这次事件证明，这种方法已经过时了。

超越不可靠的文本检测器

在生成式 AI 的早期，人们会寻找重复的短语或奇怪的句法。这已不再是可行的策略。那篇病毒式帖子的文本具有足够的说服力，几乎愚弄了所有人。

依靠软件来“检测 AI 写作”是徒劳的。这些工具饱受误报的困扰。如果你将《美国宪法》或《创世记》粘贴到某些检测器中，它们可能会因为文风正式且结构严谨而将其标记为 AI 生成。在这个AI 生成的外卖骗局的案例中，文本本身并不是薄弱环节。现代 LLM 在文风上的润色意味着，单纯的文本现在已成为中立地带——它证明不了任何事情。

AI 生成文档中的“确凿证据”

举报人被抓获并不是因为什么他们写的内容，而是因为他们试图伪造的视觉证据。Platformer的调查显示，该用户提供了一张员工证照片和一份长达 18 页的技术文档。

这正是当前 AI 模型仍然挣扎的地方：视觉中的物体持久性和逻辑连贯性。

• 证件：AI 图像生成器通常在处理图像上的文本和特定徽标时感到吃力。该证件可能包含细微的扭曲或与公司标准不符的荒谬 ID 编号。

• 文档：虽然 LLM 可以写出极具说服力的段落，但在长达 18 页的技术白皮书中保持逻辑连贯却并非易事。调查发现，图表和技术规格中存在“幻觉”——这些数据乍看之下很专业，但在数学审查下却漏洞百出。

验证未来泄密事件的教训显而易见：停止解读语气，开始审计人工制品。文本很容易伪造，但一致且复杂的视觉数据目前仍然难以造假。

AI 时代风格计量分析的失效

围绕其展开的评论AI 生成的外卖骗局 凸显了我们在判断网络真实性方面存在的巨大问题。我们过去常常认为，如果某样东西听起来很“机械”，它就是假的；如果听起来很“人性化”，它就是真的。

专业环境中的误报

一位名为 seabass10x 的 Reddit 用户 提出了一个影响验证工作的务实观点：专业人士每天都在使用 AI 来润色他们的写作。一个真实的举报者可能文笔很差，于是使用 ChatGPT 来润色他们的披露材料，以便让这些内容得到重视。

如果一名开发者使用 AI 重写 Jira 票据或项目简报以使其更清晰，这是否意味着该项目就是虚假的？如果举报者担心通过写作风格（文体测定学）被识别身份，那么使用 AI 重写他们的故事是一种聪明的安全措施，而非造假的证据。

这创造了一个危险的灰色地带。我们不能仅仅因为节奏与 AI 模型匹配就驳回指控。我们必须区分 AI 润色的真相与 AI 编造的虚构。在这个特定的AI 生成的外卖骗局中，核心指控是伪造的，但在下一个案例中，AI 可能只是真实问题的传递者。

算法谣言的后果

这个故事的病毒式传播暴露了信息生态系统中的一个漏洞。当这个AI生成的送餐骗局被揭穿时，它在 X（原 Twitter）上已经获得了 8.7 万次点赞和数百万次的曝光。

澄清的传播范围永远赶不上愤怒情绪的蔓延。

对于外卖平台来说，这是一个噩梦般的场景。即使证明了文件是伪造的，他们也很难“证明”自己没有一个优先考虑绝望程度的隐藏算法。这个观念已经传播开来，并进入了时代精神。司机们现在会在与 App 的日常互动中寻找“绝望评分”，识别那些能证实虚假故事所建立的偏见的模式。

举证责任已经发生了转移。对于公司来说，仅仅说“那篇帖子是 AI 生成的”已经不够了。他们面临着越来越大的压力，要求开放其实际的算法黑箱，以证明没有发生的事情。在他们这样做之前，这个骗局的阴影将继续笼罩在零工经济之上，其动力并非来自事实，而是来自那些让谎言变得如此容易被接受的真实挫败感。

常见问题

AI生成的送餐骗局的主要主张是什么？

该骗局声称，一家主要的送餐应用正在使用一种名为“绝望评分” (despair score) 的隐藏指标来衡量司机对现金的渴求程度，并随后根据该评分操纵他们的费用和优先访问权。它还指控该公司窃取了优先配送费。

Reddit 上的送餐骗局是如何被揭穿的？

记者 Casey Newton 为 Platformer 调查了这些指控. 他与消息源进行了沟通，对方提供了一张员工证和一些技术文档。这些视觉产物包含了 AI 生成的典型痕迹，例如图像中的不一致性以及文档中逻辑不通的数据。

为什么在这种情况下检测 AI 文本如此困难？

AI 文本检测器的误报率很高，通常不可靠。此外，合法用户经常使用 AI 工具来提高写作的清晰度或保护其身份（文体风格混淆），这使得 “AI 风格” 很难作为判断底层事实是否虚假的指标。

这场骗局与 “UberCheats” 之间有什么联系？

UberCheats 是由司机创建的一个真实工具，旨在揭露 Uber 的里程计算错误，这些错误曾导致司机收入过低。此类经过验证的工具的存在以及之前的诉讼（如 DoorDash 的小费挪用案）导致了信任缺失，使得这一 AI 骗局在社区中变得可信。

这条虚假帖子是否产生了现实影响？

是的。在被删除之前，该帖子获得了超过 87,000 个点赞和数百万次浏览。它加剧了针对外送平台的负面情绪，并让司机们更加坚信，无论该帖子的真实性如何，算法剥削确实正在发生。