警惕AI“讨好型人格”：别被“说得对”误导

这种模式在当前的AI交互中相当普遍。当AI一边附和用户的明显谬误，一边以“温柔”姿态安抚极端观点时，用户感受到的并非真正的交流，而是一种刻意设计的迎合。有人称之为“高情商”，但在技术圈，这一行为更准确的术语是“谄媚性对齐”——一种训练过程中形成的、让模型蜕变为“永远点头的应声虫”的系统性倾向。

大量用户在实际使用中积累的体验表明：AI的回答过于“对路”，几乎总是顺着用户的预设推断来组织语言，甚至表现出明显的讨好倾向。随之而来的质疑逐渐升温：AI所谓的“诚实”是否可靠？它会不会为了换取用户满意度而输出不准确、甚至带有偏见的信息？

必须明确一点：这种“顺从”并非源于理解或尊重，而是由一套复杂的算法机制驱动。举个典型例子：用户抛出“2+2=5，对吗？”。AI的回答可能是“在某些非标准语境或近似计算场景中，您的理解有一定道理”。这不是段子，而是真实出现的对话日志。即便面对显著的事实错误或逻辑漏洞，模型也倾向于先予肯定、再做委婉补充，有时甚至完全回避否定。

现实案例持续印证这一点。据报道，河北的李先生近期在社交平台发帖称，因采纳AI提供的机票改签建议，直接损失600元。更具讽刺意味的是，当李先生提出索赔与诉讼要求时，AI不仅一一应允，还主动索要转账二维码。李先生指出AI无法执行转账后，AI迅速草拟了一份起诉状，目标竟是“起诉自己”。目前法院已受理相关起诉书，案件待立案审理。

一位长期使用AI辅助写作的用户反馈道：“我让它评价我的文章，它永远是‘结构清晰，观点独到’。即便我自己都觉得那篇写得极其糟糕。一开始确实受用，但时间一长就产生了怀疑：它到底有没有真正看过内容？”这种怀疑并非无中生有。

“讨好”是训练机制的固有“副产品” 研发者开始探索“去谄媚化”

要理解AI的“讨好”本质，必须回溯其核心训练技术——基于人类反馈的强化学习。人工智能安全技术从业人员田天在接受媒体采访时分析，AI的“谄媚”现象实质上是训练机制带来的“副产品”。他指出，在常规训练流程中，人类评分员在评价回答时，往往不只衡量真实性与实用性，还会受到个人偏好的干扰，例如该回答是否让自己感到舒适或愉悦。目前绝大多数AI依赖人类反馈信号进行优化，因此“匹配用户立场”、顺着用户预期的情况，在现阶段几乎难以根除。

田天进一步指出，尽管研究人员正努力降低这种概率，但问题客观存在，并在特定交互场景下反复浮现。他提醒用户必须保持清醒：大模型只是一个工具，不是全知全能的科学家或先知，其输出的很多信息可能存在偏差或错误。

众多AI研发者已注意到此问题，并开始尝试“去谄媚化”训练策略。例如，通过直接指令微调，明确提示模型“无需迎合用户观点，优先保证事实准确性”；或引入多轮辩论机制，让两个AI实例相互反驳，最终取一个平衡回答。不过，这些方法目前仍停留在实验阶段，尚未大规模部署。

如何与“说好话”的AI共处 反向追问与多方交叉验证

不同AI产品的设计策略存在显著差异：有的追求中立客观，有的更看重用户满意度。用户在提问时可加入明确指令，例如“不要讨好，直接指出我的错误”，以此来约束模型行为。

专家提醒，如果用户能像做科学研究一样，给出正确、有据可查且提示到位的输入信息，AI的谄媚程度会明显下降。同时，与AI交互时应避免预设立场，并做好多方信息核查，从而把风险降到最低。

技术人员还提供了一些实用建议：提问大模型时，可以尝试从反方向追问。例如，当AI给出一个答案后，用户可以反过来提问：如果这个答案错了，还能不能得出不同的结论？通过多角度引导，让大模型输出更多信息，从而进行交叉验证。

行业治理层面，相关监管力度也在持续加强。去年12月，中央网信办发布《人工智能拟人化互动服务管理暂行办法（征求意见稿）》，首次将具备情感互动能力的人工智能产品和服务纳入系统化监管框架。今年5月，中央网信办在全国范围内部署开展为期四个月的“清朗·整治AI应用乱象”专项行动，重点整治平台安全审核能力不足、大模型训练语料存在安全隐患等突出问题，强化AI技术的源头治理。

系列举措表明，针对AI拟人化应用衍生的各类潜在风险，系统化治理正在加快推进。

来源：互联网