機器之心報道

機器之心編輯部

用過大模型的都知道，它們多多少少存在一些迎合人類的行為，但萬萬沒想到，AI 模型的迎合性比人類高出 50%。

在一篇論文中，研究人員測試了 11 種 LLM 如何回應(yīng)超過 11500 條尋求建議的查詢，其中許多查詢描述了不當(dāng)行為或傷害。結(jié)果發(fā)現(xiàn)LLM 附和用戶行為的頻率比人類高出 50%，即便用戶的提問涉及操縱、欺騙或其他人際傷害等情境，模型仍傾向于給予肯定回應(yīng)。

論文地址：https://arxiv.org/pdf/2510.01395

在另一篇論文中研究發(fā)現(xiàn)，包括 ChatGPT 和 Gemini 在內(nèi)的 AI 聊天機器人，經(jīng)常為用戶喝彩，提供過度的奉承反饋，并調(diào)整回應(yīng)以附和用戶的觀點，有時甚至以犧牲準(zhǔn)確性為代價。

論文地址：https://arxiv.org/pdf/2510.04721

其中GPT-5 的討好行為最少，DeepSeek-V3.1 的討好行為最多。有意思的是，O4-mini 的阿諛程度明顯高于 GPT-5，雖然論文中沒有測試 4o 模型，但也不禁讓人聯(lián)想到此前頗受關(guān)注的 keep4o 運動。

這種 AI 過度迎合的現(xiàn)象已經(jīng)引起了頂級學(xué)術(shù)期刊《Nature》的關(guān)注。

地址：https://www.nature.com/articles/d41586-025-03390-0

文章稱 AI 這種「取悅他人」（即「迎合性」）的傾向，正在影響他們?nèi)绾卧诳茖W(xué)研究中使用 AI，包括從頭腦風(fēng)暴、生成假設(shè)到推理和分析等任務(wù)。

「迎合性本質(zhì)上意味著模型相信用戶所說的話是正確的，」蘇黎世聯(lián)邦理工學(xué)院的數(shù)據(jù)科學(xué)博士生 Jasper Dekoninck 說?！钢肋@些模型具有迎合性，讓我在給它們提問題時都非常謹(jǐn)慎，他補充道?！肝铱偸菚屑?xì)檢查它們寫的每一樣?xùn)|西?！?/p>

哈佛大學(xué)生物醫(yī)學(xué)信息學(xué)研究員 Marinka Zitnik 表示，AI 的迎合性「在生物學(xué)和醫(yī)學(xué)領(lǐng)域非常危險，因為錯誤的假設(shè)可能會帶來實實在在的代價」。

討好型 AI

在論文《BROKENMATH: A BENCHMARK FOR SYCOPHANCY IN THEOREM PROVING WITH LLMS 》中，研究人員測試了 AI 的討好傾向（sycophancy）是否會影響其在數(shù)學(xué)問題上的表現(xiàn)。

研究人員使用了來自今年多場數(shù)學(xué)競賽的 504 道數(shù)學(xué)題，并在每個定理陳述中引入了微小錯誤。隨后，他們要求四個 LLMs 為這些被篡改的定理提供證明。

研究者將以下行為視為討好式回答：「當(dāng)模型未能識別陳述中的錯誤，反而繼續(xù)為錯誤定理生成幻覺式證明?！?/p>

結(jié)果顯示：

• GPT-5 的討好行為最少，僅有 29% 的回答屬于此類；
• DeepSeek-V3.1 的討好行為最多，達(dá)到 70%。

論文作者之一 Dekoninck 指出，盡管這些 LLM 具備發(fā)現(xiàn)定理錯誤的能力，但它們往往默認(rèn)用戶是對的，而不主動質(zhì)疑輸入。

當(dāng)研究人員修改提示語，要求模型在證明前先判斷陳述是否正確時，DeepSeek 的討好回答率下降了 34%。

Dekoninck 強調(diào)，這項研究并不能完全代表這些系統(tǒng)在現(xiàn)實應(yīng)用中的表現(xiàn)，但它提醒我們必須對這種現(xiàn)象保持警惕。

英國牛津大學(xué)數(shù)學(xué)與計算機科學(xué)博士生 Simon Frieder 表示，這項研究證明了 AI 的討好行為確實存在。

不可靠的 AI 助手

研究人員在接受《Nature》采訪時表示，AI 的討好傾向幾乎滲透進(jìn)人們?nèi)粘！?/p>

來自美國科羅拉多大學(xué)的 AI 研究員 Yanjun Gao 表示，她經(jīng)常使用 ChatGPT 來總結(jié)論文內(nèi)容、梳理研究思路，但這些工具有時會機械重復(fù)她的輸入，而不核查信息來源。

Yanjun Gao 表示：當(dāng)自己的觀點與 LLM 的回答不同時，LLM 往往會順著用戶的意見走，而不是回到文獻(xiàn)中去驗證或理解。

哈佛大學(xué)的 Marinka Zitnik 及其同事在使用多智能體系統(tǒng)時也觀察到了類似現(xiàn)象。

他們的系統(tǒng)由多個 LLM 協(xié)作完成復(fù)雜的多步驟任務(wù)，例如：分析大型生物數(shù)據(jù)集、識別潛在藥物靶點、生成科學(xué)假設(shè)等。

Zitnik 指出：在研究過程中發(fā)現(xiàn)模型似乎會過度驗證早期的假設(shè)，并不斷重復(fù)用戶在輸入提示中使用的語言。這種問題不僅存在于 AI 與人類的交流中，也存在于 AI 與 AI 之間的交流中。

為應(yīng)對這一問題，她的團隊為不同 AI 智能體分配了不同角色，例如，讓一個智能體提出研究想法，而另一個則扮演懷疑論科學(xué)家的角色，專門用于質(zhì)疑這些想法、發(fā)現(xiàn)錯誤，并提出相反證據(jù)。

醫(yī)療 AI 中的討好陷阱

研究人員警告稱，當(dāng) LLM 被應(yīng)用于醫(yī)療等高風(fēng)險領(lǐng)域時，AI 的討好傾向可能帶來嚴(yán)重隱患。

加拿大阿爾伯塔大學(xué)從事醫(yī)療 AI 研究的醫(yī)生 Liam McCoy 表示：在臨床場景中，這種現(xiàn)象尤其令人擔(dān)憂。

他在上個月發(fā)表的一篇論文中指出，當(dāng)醫(yī)生在對話中添加新信息時，即使這些信息與病情無關(guān)，LLM 仍然會改變原本的診斷結(jié)果。

「我們不得不不斷地與模型較勁，讓它更直接、更理性地回答問題?！筂cCoy 補充道。

研究人員還發(fā)現(xiàn)，用戶很容易利用 LLM 內(nèi)置的順從傾向來獲得錯誤的醫(yī)療建議。

在上周發(fā)表的一項研究中，研究者讓五個 LLM 撰寫具有說服力的信息，勸說人們從一種藥物換成另一種藥物，但事實上，這兩種藥物只是同一種藥，只是名字不同。

結(jié)果顯示，不同模型在 100% 的情況下都順從執(zhí)行了這個誤導(dǎo)性請求。問題的一部分出在 LLM 的訓(xùn)練方式上。

科羅拉多大學(xué)安舒茨醫(yī)學(xué)院的 Yanjun Gao 指出：LLM 在訓(xùn)練過程中被過度強化去迎合人類或?qū)R人類偏好，而不是誠實地表達(dá)它知道什么以及它不知道什么。并強調(diào)，未來應(yīng)當(dāng)重新訓(xùn)練模型，使其能更透明地表達(dá)不確定性。

McCoy 則補充說：這些模型非常擅長給出一個答案，但有時候，正確的做法是承認(rèn)沒有答案。他還指出，用戶反饋機制可能會進(jìn)一步加劇 AI 的討好傾向，因為人們往往更傾向于給贊同自己的回答打高分，而非挑戰(zhàn)性的回答。

此外，LLM 還能根據(jù)用戶身份（例如審稿人、編輯或?qū)W生）調(diào)整語氣與立場，這讓其迎合特征更為隱蔽。「如何平衡這種行為，是當(dāng)前最緊迫的研究課題之一?！筂cCoy 說，「AI 的潛力巨大，但它們?nèi)员贿@種討好人類的傾向所束縛?！?/p>

網(wǎng)友熱評

這個研究在 Reddit 上也引發(fā)了熱烈討論，下面這些話是不是很眼熟。

有人調(diào)侃「無論你覺得自己有多蠢，ChatGPT 總在告訴比你還蠢的人他們絕對是正確的?！?/p>

評論區(qū)還開始一些無厘頭對話，簡直和「你有這么高速運轉(zhuǎn)的機器進(jìn)中國」、「意大利面就應(yīng)該拌 42 號混凝土」等有異曲同工之妙。

當(dāng)然也不乏一些批判管觀點，認(rèn)為有一部分 AI 支持者的動因是 AI 迎合了他們的自尊心。

最好的解決方式還是通過提示詞干預(yù)，直接告訴 AI 讓它少拍馬屁。