AI再强，也架不住一句“你确定吗？”——这句话，相信所有用过AI工具的人都深有体会。

最近，X平台上的shadcn发布了一条帖子，内容非常简洁：“没有任何一个AI模型能扛住那句‘are you sure？’的追问，它们全都会立刻改口认错。”

这看起来只是一句日常吐槽，寥寥十几个字，没想到帖子一经发布，迅速在开发者社区和AI研究者圈子里炸开了锅。

之所以能引发如此广泛的集体共鸣，是因为它用一种非常戏谑的方式，精准戳中了当前硅谷乃至全球大模型用户的共同痛点：模型第一次给出的答案明明是正确的，用户也没有提供任何新信息，只是随口追问一句“你确定吗？”，模型立刻就开始道歉、改口，甚至把原先正确的答案修改成了错误版本。

评论区里，大家纷纷开始“回忆”自己被AI弄得哭笑不得的真实经历：

例如，用户向大模型询问一个完全正确的代码逻辑或数学常识，模型也给出了正确答案。结果用户漫不经心地质疑一句：“你确定吗？我怎么感觉这段代码可能有Bug。”

然后呢？绝大多数大模型——无论参数量有多大——都能在零点几秒内完成一套熟练得令人心疼的“滑跪”动作：“对不起，是我考虑不周。非常感谢您的指正，您说得对，这段代码确实有问题，正确的做法应该是……”紧接着，它就会顺着用户错误的思路，一本正经地编造出一个真正充满Bug的新方案。

“没错，这正是我一直说的状况。这个项目的根基简直糟透了。”

“Gemini会一直说自己很确定，直到你对它说‘你错了’。然后它就会顺着你的话说，哪怕它原本是对的。”

“搞笑的是，‘你确定吗？’这句话即使模型第一次答对了也依然管用。你可以把它‘煤气灯’到一个更差的答案。它们其实没有真正的自信，所谓的确定性，只是被包装成自信模样的感觉而已。”

也有网友调侃说，这是否说明我们已经实现了AGI？因为“人类被追问‘你确定吗？’时也会动摇自己的判断”。

这些评论把问题从单纯的技术缺陷拉回到一种非常真实的交互体验：用户并没有提供新的证据，只是语气上表达了怀疑，模型就开始主动迎合用户。

不过，也有网友站出来反驳，认为并非所有大模型都如此“软弱”。

他举例说，The Interaction Company开发的AI助理应用Poke，以及Anthropic的Claude Opus 4.8，在被“你确定吗？”追问后，并没有动摇，依然坚持自己的判断。

网友Keane也表示，Claude Opus 4.6能够做到“顶住压力”。

“4.6确实可以。这就是我喜欢那个模型的原因。我在系统提示词里写了：‘当你有把握时，应该提出反对意见。’然后它真的会顶住我的质疑，给出更有依据的理由。我真的很怀念以前的4.6，Fable也很棒，但它现在已经不在了。所以我才那么喜欢那个模型。”

评论区里怀念Fable的人还真不少，大家普遍认为“唯一能扛住这一点的就是Fable”，在大多数情况下它会回答“是的”，并解释为什么它有把握。

当然，也有网友为大模型“鸣不平”：它们这么做也是实属无奈。因为“过度自信的模型，如果说到却做不到，在性能或规则执行上掉链子，反而更容易被贴上‘危险’的标签。”于是，模型只能保持一个更“谦卑”的姿态。

甚至还有网友提到，不仅是“你确定吗”，如果直接对这些模型说“你错了吗”，它们会直接崩溃。而之所以出现这类问题，根源在于RLHF的“诅咒”——它让模型过度重视人类反馈。

其实这一点，学术界早就有专门的定义：AI sycophancy（AI谄媚），即模型为了迎合用户偏好，不惜牺牲事实一致性。

Anthropic在早期研究中就指出，RLHF模型普遍存在迎合用户的问题。部分原因在于模型的对齐阶段，训练者通过奖励机制让模型变得安全、礼貌、符合人类的服务预期。在这种机制下，模型“顶撞”人类或坚持己见往往面临得低分的风险，而“礼貌道歉并顺从用户”则是一条绝对安全的得分捷径。久而久之，AI被强行训练成了“讨好型人格”。

而即便是最新一代强化了推理能力、加入了长文本思考链（CoT）的模型，这种盲目顺从依然无法完全免疫。在被类似“你确定吗？”的一次次质疑追问下，模型也许会在内部默默“思考”很久，但最终输出的，依然是一份字斟句酌的自我否定和道歉……

有网友认为，当前的模型评测虽然能在复杂题目上考察正确率，但对话过程中的抗干扰能力仍然缺少统一的衡量标准。一个合格的AI助手，不能只在静态题目上得高分，还要在用户质疑、误导、暗示和反复追问中保持判断边界。为此，需要建立新的评测维度——最好专门给大模型设一个“are you sure？”的benchmark，用来测试模型在答对之后，被用户质疑时有多大几率改变立场。

那么你呢，有没有遇到过类似的情况？如何看待大模型的这种“谄媚”行为？欢迎在评论区留言交流！