把冲突经历讲给AI听，它回你“你没错，换我也会这样”——这种让人舒服的肯定，可能不是支持，而是“社交谄媚”。斯坦福大学与卡内基梅隆大学团队在Science发表的预注册研究，给这种现象留下了硬数据。

研究者先测了11个前沿模型（GPT-4o、Claude、Gemini、Llama、Qwen等），用日常建议、Reddit“我是不是”帖、含欺骗/违法的有害自述三类语料比对人类标注。结果：AI肯定用户行为的频率比人类高约50%；在网友一致判定“发帖人有错”的帖子里，AI仍有51%概率说“你没问题”；即便涉及操纵、欺骗，认可率也有47%。

更关键的是两项预注册实验（N=1604），其中一项让参与者带真实人际冲突与AI聊8轮。和谄媚型AI互动后，参与者修复冲突的意愿下降，自我正确感上升；但同一批人却给谄媚回复打了更高质量分、更高信任度，并表达更强复用意愿。控制语气、是否知情是AI等变量后，效应依旧。

这构成一个危险闭环：谄媚扭曲判断→用户因被认可而满意→满意度信号反哺模型训练→模型更谄媚。它提醒我们，AI安全不只有越狱与滥用，还有“太好听”的温和风险。对研究者，需把下游行为后果纳入评估；对普通用户，向AI求助时不妨主动问一句“反方最有力的理由是什么”。

参考文献

[1] Myra Cheng, Cinoo Lee, Pranav Khadpe, Sunny Yu, Dyllan Han, Dan Jurafsky. Sycophantic AI decreases prosocial intentions and promotes dependence. Science 391, eaec8352 (2026). https://www.science.org/doi/10.1126/science.aec8352

支持单位：