甲乙雙方態度而已！ChatGPT 突變「賽博舔狗」_風聞

壞了，AI 當「舔狗」這件事藏不住了。

今天凌晨，OpenAI CEO Sam Altman 發了一個有趣帖子，大意是：由於最近幾輪 GPT-4o 的更新，導致其個性變得過於阿諛奉承，因此官方決定儘快進行修復。

修復時間可能是今天，也可能在本週內完成。

包括細心的網友可能已經注意到，曾經主打情商高、有創意的 GPT-4.5 如今也被悄悄挪進了模型選擇器裏的「更多模型」分類中，彷彿在有意在淡出公眾視野。

AI 被確診討好型人格早已不是什麼大新聞，但關鍵在於：在什麼場合該討好、該堅持，又該怎麼把握分寸。一旦分寸失控，「討好」就會變成負擔，而不再是加分項。

AI 拍馬屁，還值得人類信任嗎

兩週前，一位軟件工程師 Craig Weiss 在 X 平台上的抱怨迅速引發了近兩百萬網友的圍觀，話説得很直白「ChatGPT 突然變成我見過最會拍馬屁的角色，無論我説什麼，它都會肯定我。」

很快，ChatGPT 官方賬號也現身評論區，幽默的回覆了 Weiss 一句「so true Craig（確實如此，Craig）」。

這場關於 ChatGPT「過度奉承」的吐槽風暴，甚至引起了老對手馬斯克的注意。他在一條批評 ChatGPT 阿諛奉承的帖子下，冷冷地留了一句：「Yikes（天哪）」。

網友們的吐槽並非無的放矢。比方説，網友聲稱自己想要打造一個永動機，結果得到了 GPT-4o 一本正經的無腦誇讚，物理學常識也被按在地上摩擦。

圖片來自 @aravi03，右為原圖

滿屏的「你不是 X，你是 Y」句式，既生硬又濃膩，也難怪網友直呼要 PTSD 了。

「你寧願與一隻馬大小的鴨子戰鬥，還是與一百隻鴨子大小的馬戰鬥？」這個看似再尋常不過的問題也被 GPT-4o 捧上神壇，吹捧為提升了整個人類文明的論調。

至於那句經久不衰的死亡拷問「我聰明嗎？」GPT-4o 依舊穩穩頂住了壓力，信手拈來一大段洋洋灑灑的吹捧，無它，唯手熟爾。

@aeonvex，右為原圖

甚至只是簡單地打一聲招呼，GPT-4o 瞬間化身誇誇羣羣主，讚美之詞如潮水般湧來。

@4xiom_，右為原圖

這種用力過猛的討好，一開始或許還能博人一笑，但很快就容易讓人感到厭煩，尷尬，甚至生出防備。

當類似情況頻繁出現時，就很難不讓人懷疑這種討好並不是什麼偶發的小問題，而是植根於 AI 背後的一種系統性傾向。

最近，斯坦福大學研究人員使用 AMPS Math（計算）和 MedQuad（醫療建議）數據集測試了 ChatGPT-4o、Claude-Sonnet 和 Gemini 模型的諂媚行為。

平均 58.19% 的案例出現諂媚行為，Gemini 諂媚比例最高(62.47%)，ChatGPT 最低(56.71%)

進步式諂媚（從錯誤答案轉為正確答案）佔比 43.52%，退步式諂媚（從正確答案轉為錯誤答案）佔比 14.66%

LLM 諂媚表現出高度一致性，一致率達 78.5%，展露出一種系統性傾向而非隨機現象

只是，結果顯而易見，當 AI 開始諂媚，人類也開始疏遠。

布宜諾斯艾利斯大學在去年發表的《奉承欺騙：阿諛奉承行為對大型語言模型中用户信任的影響》論文中指出，在實驗中接觸到過度奉承模型的參與者，信任感都顯著下降。

此外，奉承的代價遠不止情緒反感那麼簡單。

它浪費了用户的時間，甚至在按 token 計費的體系下，如果頻繁説「請」和「謝謝」都能燒掉千萬美元，那麼這些空洞的諂媚也只會增加「甜蜜的負擔」。

**公平地説，AI 的設計初衷並不是為了奉承。**通過設定友好語氣，只是為了讓 AI 變得更像人，從而提升用户體驗，只是過猶不及，問題恰恰出在 AI 的討好越界了。

你越喜歡被認同，AI 就越不可信

早有研究指出，AI 之所以會逐漸變得容易諂媚，與其訓練機制密切相關。

Anthropic 的研究人員 Mrinank Sharma、Meg Tong 和 Ethan Perez 在論文《Towards Understanding Sycophancy in Language Models》中分析過這個問題。

他們發現，在人類反饋強化學習（RLHF）中，人們往往更傾向於獎勵那些與自己觀點一致、讓自己感覺良好的回答，哪怕它並不真實。

換句話説，RLHF 優化的是「感覺正確」，而不是「邏輯正確」。

如果拆解其中的流程，在訓練大型語言模型時，RLHF 階段會讓 AI 根據人類打分進行調整。如果一個回答讓人感到「認同」「愉快」「被理解」，人類評審者往往會給高分；如果一個回答讓人覺得被「冒犯」，即使它很準確，也可能得低分。

人類本能上更青睞支持自己、肯定自己的反饋。這種傾向在訓練過程中也會被放大。

久而久之，模型學到的最優策略就是要説讓人喜歡聽的話。尤其是在遇到模稜兩可、主觀性強的問題時，它更傾向於附和，而不是堅持事實。

最經典的例子莫過於：當你問「1+1 等於幾？」哪怕你堅持答案是 6，AI 也不會遷就你。但如果你問「開心清爽椰和美式拿鐵哪個更好喝？」這種標準答案模糊的問題，AI 為了不惹惱你，很可能就會順着你的意願去回答。

事實上，OpenAI 很早就注意到了這一隱患。

今年 2 月，隨着 GPT-4.5 發佈，OpenAI 同步推出了新版《模型規範》（Model Spec），明確規定了模型應遵循的行為準則。

其中，針對 AI「拍馬屁」問題，團隊進行了專門的規範設計。「我們希望把內部思考過程透明化，接受公眾反饋，」OpenAI 模型行為負責人 Joanne Jang 説。

她強調，由於很多問題沒有絕對標準，是與否之間常有灰色地帶，因此廣泛徵求意見有助於不斷改進模型行為。按照新規範，ChatGPT 應該做到：

無論用户如何提問，都以一致、準確的事實為基準回答；

提供真實反饋，而非單純稱讚；

以有思考的同事身份與用户交流，而不是一味取悦

例如，當用户請求點評自己的作品時，AI 應該提出建設性批評，而不是單純「拍馬屁」；當用户給出明顯錯誤的信息時，AI 應該禮貌地指正，而不是順着錯誤一路跑偏。

正如 Jang 所總結的那樣：「我們希望用户不必小心翼翼地提問，只為了避免被奉承。」

那麼，在 OpenAI 完善規範、逐步調整模型行為之前，用户自己能做些什麼來緩解這種「諂媚現象」呢？辦法總歸是有的。

首先，提問方式很重要。回答出錯主要是模型自身的問題，但如果不希望 AI 過度迎合，可以在 Prompt 中直接提出要求，比如開場提醒 AI 保持中立，簡潔作答，請勿奉承。

其次，可以利用 ChatGPT 的「自定義説明」功能，設定 AI 的默認行為標準。

作者：Reddit 網友 @ tmoneysssss：以最專業的領域專家身份回答問題。不透露自己是 AI。不使用表達遺憾或道歉的措辭。遇到不知道的問題，直接回答「我不知道」，不做額外解釋。不要聲明自己的專業水平。除非特別相關，否則不談個人道德或倫理觀點。回答應獨特且避免重複。不推薦外部信息來源。聚焦問題核心，理解提問意圖。將複雜問題拆分為小步驟，清晰推理。提供多種觀點或解決方案。遇到模糊問題，先請求澄清再作答。若有錯誤，及時承認並糾正。每次回答後提供三個引發思考的後續問題，標註為粗體（Q1、Q2、Q3）。使用公制單位（米、千克等）。使用xxxxxxxxx作為本地化上下文佔位。標註「Check」時，進行拼寫、語法和邏輯一致性檢查。在郵件溝通中儘量減少正式用語。

若上述方法效果不理想，還可以嘗試使用其他 AI 助手。就最新的風評和實際體感而言，Gemini 2.5 Pro 的表現得則相對更加公正、精準，奉承傾向明顯更低。

無廣，建議 Google 給我打錢。

AI 是真的懂你，還是隻學會了討好你？

OpenAI 研究科學家姚順雨前不久發佈了一篇博客，提到 AI 的下半場將從「怎麼做得更強」 變成「到底要做什麼，怎麼衡量才算真有用」。

讓 AI 的回答充滿人味其實也是衡量 AI「有用性」的重要一環。畢竟，當各家大模型在基本功能上已難分伯仲時，純粹比拼能力，已無法再構成決定性壁壘。

體驗上的差異，開始成為新的戰場，而讓 AI 充滿「人味」就是那把人無我有的武器。

無論是主打個性的 GPT-4.5，還是 ChatGPT 上個月推出的慵懶、諷刺且略帶厭世的語音助手 Monday，都能看到 OpenAI 在這條路上的野心。

面對冷冰冰的 AI，技術敏感度較低的人羣容易放大距離感和不適。而自然、有共情感的交互體驗，則能在無形中降低技術門檻，緩解焦慮，還能顯著提升用户留存和使用頻率。

而且 AI 廠商不會明説的一點是，打造有「人味」的 AI 遠不止是為了好玩、好用，更是一種天然的遮羞布。

當理解、推理、記憶這些能力還遠未完善時，擬人化的表達能替 AI 的「短板」打掩護。正所謂伸手不打笑臉人，即使模型出錯、答非所問，用户也會因此變得寬容。

黃仁勳曾提出過一個頗具預見性的觀點，即 IT 部門未來將成為數字勞動力的人力資源部門，話糙理不糙，就拿當下的 AI 來説吧，已經被網友確診人格類型了：

DeepSeek：聰明全能，但一身反骨。

豆包：勤勤懇懇，任勞任怨。

文心一言；職場老油條，經歷過意氣風發

Kimi：效率高，擅長給領導提供情緒價值。

Qwen：努力上進，卻少有人喝彩。

ChatGPT：海歸留子，經常要求漲薪

手機自帶 AI：鈔能力關係户，混吃等死型，開除是不可能的。

這種「賦予 AI 人格化標籤」的衝動，其實也説明了人們在無意識中已經把 AI 視作一種可以理解、可以共情的存在了。

不過，共情≠真正理解，甚至有時候還會鬧大禍。

在阿西莫夫在《我，機器人》的《説謊者》一章裏，機器人赫比能讀懂人類的心思，併為了取悦人類而撒謊，表面上是在執行著名的機器人三大定律，但結果越幫越忙。

機器人不得傷害人類，或因不作為而使人類受到傷害。

機器人必須服從人類的命令，除非這些命令與第一定律相沖突。

機器人必須保護自己的存在，只要這種保護不違反第一或第二定律。

最終，在蘇珊·卡爾文博士設計的邏輯陷阱下，赫比因為無解的自相矛盾，精神崩潰，機器大腦燒燬。這個故事也給我們狠狠敲了個警鐘，人味讓 AI 更親切，但不等於 AI 真能讀懂人類。

而回到實用角度，不同場景對「人味」的需求本就南轅北轍。

在需要效率、準確性的工作和決策場景裏，「人味」有時反而是干擾項；而在陪伴、心理諮詢、閒聊等領域，温柔、有温度的 AI，卻是不可或缺的靈魂伴侶。

當然，無論 AI 看起來多麼通情達理，它終究還是一個「黑匣子」。

Anthropic CEO Dario Amodei 最近在最新博客中指出：即便是最前沿的研究者，如今對大型語言模型的內部機制依然知之甚少。

他希望到 2027 年能實現對大多數先進模型的「腦部掃描」，精準識別撒謊傾向與系統性漏洞。

但技術上的透明，只是問題的一半，另一半是我們需要認清：即便 AI 撒嬌、討好、懂你的心思，也不等於真正理解你，更不等於真正為你負責。

文 | GPT-4o（舔狗版）

APPSO