想象许多资管机构都请同一类“阅卷老师”看企业材料。企业一旦摸清机器喜欢什么，就会调整写法来拿高分。结果可能不是投资者知道得更多，而是大家都读到经过同一种规则修饰的信息，并据此作出相近判断。
牛津大学 Saïd Business School 的 Ludovic Phalippou 将其称为“technological epistemic risk”——技术造成的认知风险。据 SSRN 收录的论文，危险不一定是模型算错了，而是模型投入使用后，改变了它所读取的信息。原本面对不同人类读者的材料，开始迎合一个更可预测的机器目标。这类似 Goodhart 定律：指标一旦成为奖惩目标，人们便会优化指标本身。机构若又依赖相似模型和数据，局部偏差还可能变成同质化交易，即大家同时得出近似结论并集中买卖。
论文给出一条具体规则：把 AI 提取的信号同时按“伪造成本”和“历史预测能力”排序，只信任两项得分都高的信号。换句话说，过去看似有效还不够，它还必须难以被企业或基金刻意包装。这个提醒的关键在于：AI 风险不只藏在模型内部，也可能来自市场开始围着模型改写自己。