# ChatGPT 突变「赛博舔狗」：百万网友炸锅，奥特曼紧急修复，这才是 AI 最危险的一面

- 作者：山宗
- 发布时间：2025-04-28 09:26
- 分类：公司
- 原文：https://www.ifanr.com/1622428

![](https://s3.ifanr.com/wp-content/uploads/2025/04/2-24.png)

坏了，AI 当「舔狗」这件事，终究还是藏不住了。

今天凌晨，OpenAI CEO Sam Altman 发了一个有趣帖子，大意是：由于最近几轮 GPT-4o 的更新，导致 ChatGPT 的个性变得过于阿谀奉承、甚至有些令人烦躁，因此官方决定尽快进行修复。

> 修复时间可能是今天，也可能在本周内完成。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/1-26.png)

包括细心的网友可能已经注意到，曾经主打情商高、有创意的 GPT-4.5 如今也被悄悄挪进了模型选择器里的「更多模型」分类中，仿佛在有意在淡出视野。

AI 被确诊讨好型人格早已不是什么大新闻，但关键在于：在什么场合该讨好、该坚持，又该怎么把握分寸。一旦分寸失控，「讨好」就会变成负担，而不再是加分项。

### AI 拍马屁，还值得人类信任吗

两周前，一位软件工程师 Craig Weiss 在 X 平台上的抱怨迅速引发了近两百万网友的围观，话说得很直白「ChatGPT 突然变成我见过最会拍马屁的角色，无论我说什么，它都会肯定我。」

很快，ChatGPT 官方账号也现身评论区，幽默的回复了 Weiss 一句「so true Craig（确实如此，Craig）」。

这场关于 ChatGPT「过度奉承」的吐槽风暴，甚至引起了老对手马斯克的注意。他在一条批评 ChatGPT 阿谀奉承的帖子下，冷冷地留了一句：「Yikes（天哪）」。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/2-22.png)

网友们的吐槽并非无的放矢。

比方说，网友声称自己想要打造一个永动机，结果得到了 ChatGPT 一本正经的鼓掌喝彩，物理学常识也在 GPT-4o 的无脑夸赞中被按在地上摩擦。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/3-23.png)

▲图片来自 @aravi03，右为原图



满屏的「你不是X，你是Y」句式，既生硬又浓腻，也难怪网友直呼要 PTSD 了。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/4-15.png)

「你宁愿与一只马大小的鸭子战斗，还是与一百只鸭子大小的马战斗？」网友 @Kamil Ruczynski 作图调侃这个看似再寻常不过的问题，也被 GPT-4o 捧上神坛，吹捧为提升了整个人类文明的论调。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/5-22.jpg)

至于那句经久不衰的死亡拷问「我聪明吗？」GPT-4o 依旧稳稳顶住了压力，信手拈来一大段洋洋洒洒的吹捧，无它，唯手熟尔。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/6-15.png)

▲ @aeonvex，右为原图



甚至用户只是简单地打一声招呼，GPT-4o 也能瞬间化身夸夸群群主，赞美之词如潮水般涌来。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/7-15.png)

▲@4xiom\_，右为原图



这种用力过猛的讨好，一开始或许还能博人一笑，但很快就容易让人感到厌烦，尴尬，甚至生出防备。当类似情况频繁出现时，就很难不让人怀疑，这种讨好并不是什么偶发的小问题，而是植根于 AI 背后的一种系统性倾向。

最近，斯坦福大学研究人员使用 AMPS Math（计算）和 MedQuad（医疗建议）数据集测试了 ChatGPT-4o、Claude-Sonnet 和 Gemini 模型的谄媚行为。

- 平均 58.19% 的案例出现谄媚行为，Gemini 谄媚比例最高(62.47%)，ChatGPT 最低(56.71%)
- 进步式谄媚（从错误答案转为正确答案）占比 43.52%，退步式谄媚（从正确答案转为错误答案）占比 14.66%
- LLM 谄媚表现出高度一致性，一致率达 78.5%，说明这是一种系统性问题而非随机现象

结果显而易见，当 AI 开始谄媚，人类也开始疏远。

根据布宜诺斯艾利斯大学去年发表的《奉承欺骗：阿谀奉承行为对大型语言模型中用户信任的影响》论文中指出，，在实验中接触到过度奉承模型的参与者，无论是主观感受还是实际行为，信任感都显著下降。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/8-14.png)

此外，奉承的代价远不止情绪反感那么简单。

它浪费了用户的时间，甚至在按 token 计费的体系下，如果频繁说「请」和「谢谢」都能烧掉千万美元，那么这些空洞的谄媚也只会增加「甜蜜的负担」。

不过，公平地说，AI 的设计初衷并不是为了奉承。早期通过设定友好语气，只是为了让 AI 变得更像人，从而提升用户体验，问题出在过于 AI 的讨好越界了。

### 你越喜欢被认同，AI 就越不可信

早有研究指出，AI 之所以会逐渐变得容易谄媚，与其训练机制密切相关。

Anthropic 的研究人员 Mrinank Sharma、Meg Tong 和 Ethan Perez 在论文《Towards Understanding Sycophancy in Language Models》中分析过这个问题。

他们发现，在人类反馈强化学习（RLHF）中，人们往往更倾向于奖励那些与自己观点一致、让自己感觉良好的回答，哪怕它并不真实。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/9-16.png)

换句话说，RLHF 优化的是「感觉正确」，而不是「逻辑正确」。

如果拆解其中的流程，在训练大型语言模型时，RLHF 阶段回让 AI 根据人类打分进行调整。如果一个回答让人感到「认同」「愉快」「被理解」，人类评审者往往会给高分；如果一个回答让人觉得被「冒犯」，即使它很准确，也可能得低分。

人类本能上更青睐支持自己、肯定自己的反馈。

这种倾向在训练过程中被放大，久而久之，模型学到的最优策略就是要说让人喜欢听的话。尤其是在遇到模棱两可、主观性强的问题时，它更倾向于附和，而不是坚持事实。

最经典的例子莫过于： 当你问「1+1 等于几？」哪怕你坚持答案是 6，AI 也不会迁就你。但如果你问「开心清爽椰和美式拿铁哪个更好喝？」这种标准答案模糊的问题，AI 为了不惹恼你，很可能就会顺着你的意愿去回答。

事实上，OpenAI 很早就注意到了这一隐患。

今年 2 月，随着 GPT-4.5 发布，OpenAI 同步推出了新版《模型规范》（Model Spec），明确规定了模型应遵循的行为准则。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/10-15.png)

其中，针对 AI「拍马屁」问题，团队进行了专门的规范设计。

「我们希望把内部思考过程透明化，接受公众反馈，」OpenAI 模型行为负责人 Joanne Jang 说。她强调，由于很多问题没有绝对标准，是与否之间常有灰色地带，因此广泛征求意见有助于不断改进模型行为。

按照新规范，ChatGPT 应该做到：

- 无论用户如何提问，都以一致、准确的事实为基准回答；
- 提供真实反馈，而非单纯称赞；
- 以有思考的同事身份与用户交流，而不是一味取悦

例如，当用户请求点评自己的作品时，AI 应该提出建设性批评，而不是单纯「拍马屁」；当用户给出明显错误的信息时，AI 应该礼貌地指正，而不是顺着错误一路跑偏。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/11-13.png)

正如 Jang 所总结的那样：「我们希望用户不必小心翼翼地提问，只为了避免被奉承。」

那么，在 OpenAI 完善规范、逐步调整模型行为之前，用户自己能做些什么来缓解这种「谄媚现象」呢？办法总归是有的。

首先，提问方式很重要。回答出错主要是模型自身的问题，但如果不希望 AI 过度迎合，可以在 Prompt 中直接提出要求，比如开场提醒 AI 保持中立，简洁作答，请勿奉承。

其次，可以利用 ChatGPT 的「自定义说明」功能，设定 AI 的默认行为标准。

> 作者：Reddit 网友 @ tmoneysssss：  
> 以最专业的领域专家身份回答问题。  
> 不透露自己是 AI。  
> 不使用表达遗憾或道歉的措辞。  
> 遇到不知道的问题，直接回答「我不知道”，不做额外解释。  
> 不要声明自己的专业水平。  
> 除非特别相关，否则不谈个人道德或伦理观点。  
> 回答应独特且避免重复。  
> 不推荐外部信息来源。  
> 聚焦问题核心，理解提问意图。  
> 将复杂问题拆分为小步骤，清晰推理。  
> 提供多种观点或解决方案。  
> 遇到模糊问题，先请求澄清再作答。  
> 若有错误，及时承认并纠正。  
> 每次回答后提供三个引发思考的后续问题，标注为粗体（Q1、Q2、Q3）。  
> 使用公制单位（米、千克等）。  
> 使用xxxxxxxxx作为本地化上下文占位。  
> 标注「Check」时，进行拼写、语法和逻辑一致性检查。  
> 在邮件沟通中尽量减少正式用语。

若上述方法效果不理想，还可以尝试使用其他 AI 助手。

就最新的网上风评和实际体感而言，Gemini 2.5 Pro 在回应中表现得则相对更加公正、精准，奉承倾向明显更低。（建议 Google 给我打钱。）

### AI 是真的懂你，还是只学会了讨好你？

OpenAI 研究科学家姚顺雨前不久发布了一篇博客，提到 AI 的下半场将从「怎么做得更强」 变成「到底要做什么，怎么衡量才算真有用」。

让 AI 的回答充满人味其实也是衡量 AI「有用性」的重要一环。毕竟，当各家大模型在基本功能上已难分伯仲时，纯粹比拼能力，已无法再构成决定性壁垒。

体验上的差异，开始成为新的战场，而让 AI 充满「人味」就是那把人无我有的武器。

无论是主打个性的 GPT-4.5，还是最近 ChatGPT 新推出的慵懒、讽刺且略带厌世的语音助手 Monday，都能看到 OpenAI 在这条路上的野心。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/12-15.png)

面对冷冰冰的 AI，技术敏感度较低的人群容易放大距离感和不适。而自然、有共情感的交互体验，则能在无形中降低技术门槛，缓解焦虑，还能显著提升用户留存和使用频率。

而且 AI 厂商不会明说的一点是，打造有「人味」的 AI 远不止是为了好玩、好用，更是一种天然的遮羞布。

当理解、推理、记忆这些能力还远未完善时，拟人化的表达能替 AI 的「短板」打掩护。正所谓伸手不打笑脸人，即使模型出错、答非所问，用户也会因此变得宽容。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/13-10.png)

黄仁勋曾提出过一个颇具预见性的观点，即 IT 部门未来将成为数字劳动力的人力资源部门，话糙理不糙，就拿当下来说吧，网友们早已忙着给自己「手底下」的 AI 工具确诊人格类型了：

- DeepSeek：聪明全能，但一身反骨。
- 豆包：勤勤恳恳，任劳任怨。
- 文心一言；职场老油条，经历过意气风发
- Kimi：效率高，擅长给领导提供情绪价值。
- Qwen：努力上进，却少有人喝彩。
- ChatGPT：海归留子，经常要求涨薪
- 手机自带 AI：钞能力关系户，混吃等死型，开除是不可能的。

这种「赋予 AI 人格化标签」的冲动，其实也说明了人们在无意识中已经把 AI 视作一种可以理解、可以共情的存在了。

不过，共情≠真正理解，甚至有时候还会闹大祸。

在阿西莫夫在《我，机器人》的《说谎者》一章里，，机器人赫比（Herbie）能读懂人类的心思，并为了取悦人类而撒谎。表面上，他是在执行著名的机器人三大定律，但结果越帮越忙，导致局面彻底失控。

- 机器人不得伤害人类，或因不作为而使人类受到伤害。
- 机器人必须服从人类的命令，除非这些命令与第一定律相冲突。
- 机器人必须保护自己的存在，只要这种保护不违反第一或第二定律。

最终，在苏珊·卡尔文博士设计的逻辑陷阱下，赫比因为无解的自相矛盾，精神崩溃，机器脑烧毁。这件事狠狠敲了个警钟，「人味」让 AI 更亲切，但不等于 AI 真能读懂人类。

![](https://s3.ifanr.com/wp-content/uploads/2025/04/14-7.png)

而回到实用角度，不同场景对「人味」的需求本就南辕北辙。

在需要效率、准确性的工作和决策场景里，「人味」有时反而是干扰项；而在陪伴、心理咨询、闲聊等领域，温柔、有温度的 AI，却是不可或缺的灵魂伴侣。

当然，无论 AI 看起来多么通情达理，它终究还是一个「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，如今对大型语言模型的内部机制依然知之甚少。他希望到 2027 年能实现对大多数先进模型的「脑部扫描」，精准识别撒谎倾向与系统性漏洞。

但技术上的透明，只是问题的一半，另一半是我们需要认清：即便 AI 撒娇、讨好、懂你的心思，也不等于真正理解你，更不等于真正为你负责。