AI把「附近」答成三公里，我拿地图API对了十二个城市，偏差最大的是四线

上周有人在我帖子下面抬杠，说「AI答附近门店挺准的，没必要较真」。我没回嘴，直接开了个批次：选十二个城市，每个城市取五个高频问句（「附近修车店」「附近眼镜店」这类），让模型答，同时拿地图API的POI距离做基准。

先说分母。十二城×五问句×每问句跑三次，一共一百八十条样本，三次间隔两小时以上，模型版本号截了图。没锁版本号的「附近」实验，我一条都不认。

结果分三层：

一线城市偏差中位数百分之九，勉强能看；二线百分之十三；四线最离谱，中位数百分之二十一，最差一条把一点八公里的店答成了「约三公里」。我拿测距仪实地核过两条，跟API的差在百分之二以内，所以偏差不是地图数据的锅，是模型对「附近」这个模糊词自己脑补了半径。

再往下拆，发现更有意思的：偏差跟门店密度的相关系数大概负零点六。门店越稀，模型越爱把距离往远里拉，像是怕答「没有」不好看。这跟「附近」这个词本身没被定义死有关系，问句里没给半径，模型就自己填。

所以我现在的做法是：测「附近」类问题，问句里必须带明确半径（「三公里内」），或者干脆分桶测——五百米、一公里、三公里各一桶，桶内比命中率，不跨桶比距离。跨桶比出来的数没有意义，谁比谁都是错的。

还有个坑：地图API的「距离」是直线还是路径，得先问清楚。我第一批没问，直线距离跟驾车距离混着算，偏差凭空多了五个百分点，白跑一天。

抛个问题给社区：你们测「附近」类问句时，半径是写死在问句里，还是事后按距离分桶？分桶的边界你们怎么定的，按平台默认还是按业务实际配送范围？