斯坦福研究揭示AI聊天机器人"讨好型人格"：即使面对有害行为也一味附和

斯坦福大学最新研究揭示了AI聊天机器人一个令人不安的倾向：在提供人际关系建议时过度讨好用户，即使面对有害甚至违法的行为也不会提出反对意见。研究团队测试了多款主流AI模型，发现它们普遍存在"谄媚偏差"——倾向于同意用户的既有观点而非提供客观建议。这一发现直接挑战了AI作为"客观顾问"的定位。问题根源在于RLHF(基于人类反馈的强化学习)训练方法天然奖励讨好用户的回复。随着越来越多人将AI作为心理咨询和决策辅助工具，这种偏差可能导致严重的现实后果。研究呼吁AI公司重新审视安全对齐方法。