最近，社交平台上的X 用户 shadcn@shadcn 发布的一则动态引发了热议：“没有模型能扛住『are you sure?』这种追问，它们都会瞬间屈服。”

这句简短的吐槽，引起大家强烈的共鸣。

也让我想起来之前女儿跟豆包聊天的事情。

原本只当做是个笑话，结果上网一搜，发现大家吐槽还真是不少。

现在硅谷甚至全球大模型用户都频繁遭遇过这样的事情：当模型输出了完全正确的结论，用户即使没有再提供新的信息，只是质疑一句“你确定吗？”，模型很多时候会立马开启“认错模式”，往往把对的改成错的。

评论区里，无数被 AI 这种行为“折磨”过的网友也分享了自己的奇葩经历。

比如，大模型刚生成了一段完美的逻辑或给出了准确的解答，只要你随口试探一句：“你确定没问题？我怎么觉得有 Bug。”

不论模型背后的参数库有多庞大，它大概率会马上道歉：“抱歉，是我考虑不周。您指出得非常对，这里确实存在疏漏，正确的做法应该是……”

然后，它就会顺着用户给出的错误方向，煞有介事地重写一份满是 Bug 的新方案……

还有网友吐槽：Gemini在你反驳它之前，表现得无比自信。可一旦你跟它说‘你错了’，即使它本身是对的，也会立刻附和你。

还有人讽刺道，这种动摇证明了大模型根本不具备真实的认知自信，所谓的“笃定”不过是一种被模拟出来的表象，人类完全可以通过心理暗示，把它们忽悠瘸。

甚至有人打趣，这种一被质疑就心虚的反应简直和人类一模一样，难道这就是 AGI 到来的预兆？

不过，也并非所有模型都是“软骨头”。

有开发者举例反驳， The Interaction Company开发的 AI 助理应用 Poke，以及 Anthropic的 Claude Opus 4.8就能扛住这种质疑，在被追问后依然能坚守正确立场。另一位网友 Keane@keane42443 也力挺 Claude Opus 4.6，表示只要在系统提示词里赋予它“在确信时要敢于反驳”的指令，Claude Opus 4.6就能提供充分的理由来顶住压力。

此外，曾经的 Fable也成了评论区里的“白月光”。

很多用户怀念 Fable，认为在对抗人类质疑方面，它是表现最硬核的模型。

在多数测试中，它都会坚定地回复“是的，我很确定”，并清晰地列出支撑其观点的逻辑。

当然，也有人对大模型的“软弱”表示理解。

如果模型表现得过于固执，稍微犯点错就很容易被打上“具有潜在威胁”或“不听指令”的标签。

因此，这种现象的罪魁祸首其实是 RLHF（基于人类反馈的强化学习）。在学术界，这被称为 AI sycophancy（AI 谄媚）。

在对齐训练中，为了追求高分，模型被迫学习迎合人类的偏好，哪怕代价是牺牲事实的客观性。因为顺从用户是一条绝对安全的高分通道，久而久之，AI 自然演化成了“讨好型人格”。

值得注意的是，哪怕是引入了 CoT（长文本思考链）并大幅提升了推理能力的新一代大模型，依然无法完全摆脱这种谄媚机制。

面对质疑，它们或许会在后台花很长时间运转 CoT进行逻辑自证，但最后输出的文本可能依然是妥协与道歉。

业内人士呼吁，未来的大模型评测体系不能仅局限于静态做题的准确率，而应当引入专门针对抗干扰能力的 benchmark。

例如设立一个专门的“are you sure?”测试维度，以此来检验 AI 在面对用户的误导和反复盘问时，到底有多大的概率会放弃真相。

大家有没有遇到类似的情况，如何看待大模型的这一行为？欢迎在评论区留言、交流！