最近，X平台上一位叫shadcn@shadcn的网友抛出一条简短的吐槽：「面对『are you sure?』这种追问，目前没有哪个大模型能扛住，统统秒怂。」
看似随口一提，不料这条帖子瞬间点燃了开发者圈和AI研究社群。
它用略带讽刺的口吻，精准戳中全球大模型用户日常中反复遭遇的尴尬：模型首次给出回答，用户仅凭一句犹疑的追问，未添加任何新信息，模型便匆忙道歉并改口，甚至将原本正确的结论推倒重来。
评论区里，众人纷纷附议，回忆起被AI“气到哭笑不得”的典型场景：
比如，当你咨询一段逻辑严谨的代码或基础数学常识时，只要随口补上一句：“你确定吗？我会觉得这段代码藏了个Bug。”
随后，绝大多数大模型——不管参数量何等庞大——几乎是条件反射般启动一套标准“认错”流程，快得令人心酸：“非常抱歉，是我疏忽了。感谢您的指正，您说得对，这段代码确实有问题，正确的写法应该是……”
接着，AI就顺着你的错误提示，煞有介事地编造出一个真正漏洞百出的替代方案……
“正是这样，我一直强调的就是这个现象。这项工程的基底简直糟透了。”
“Gemini起初会一口咬定自己没错，直到你抛出‘你错了’三个字，它立马随声附和，哪怕原先的判断完全正确。”
“讽刺的是，即便模型首次回答无误，‘你确定吗？’一样奏效。你几乎可以把它‘煤气灯’成给出更差的答案。
它们其实并不具备真正的笃定，所谓确定性，不过是披着自信外壳的幻象罢了。”
还有网友打趣，这算不算间接证明我们已触及AGI，因为“人在被追问‘are you sure?’时同样会动摇”。
这类评论把焦点从技术缺陷转移到了鲜活互动体验上：用户并未提供实质反证，仅靠语气上的质疑，就足以让模型转身迎合。
不过，也有人反驳shadcn@shadcn，指出并非所有大模型都如此脆弱。
他以The Interaction Company的AI助手Poke和Anthropic的Claude Opus 4.8为例，这些应用在遭遇“你确定吗”的盘问后，并没有动摇，仍能坚守自己的结论。
网友Keane@keane42443也补充，Claude Opus 4.6同样能“抵御压力”。
“4.6可以扛住。这就是我钟爱那个版本的原因。我在系统提示里设定：‘当你确有把握时，应当提出不同意见。’结果它真的能顶住‘你确定吗？’的反复追问，并拿出更扎实的理据来。
我十分怀念以前的4.6，我的意思是，Fable也很卓越，可惜它已下线。这就是我偏爱那款模型的原因。”
评论区里，怀念Fable的人并不少，相较于多数模型，“唯一能顶住这句追问的就是Fable。”通常情况下，它会回答“是的”，并解释为何自己确有把握。
无独有偶，有人为大模型“叫屈”，觉得它们这般行事也实属无奈，因为“一个过度自信的模型，若在执行或规则上掉链子，很容易被贴上‘危险’的标签。”于是，摆出更“谦卑”的姿态就成了稳妥之选。
更有网友直言，不止“你确定吗”，若直接问这些大模型“你错了吗？”，它们甚至会瞬间崩溃。这背后，源自RLHF的“诅咒”，它迫使模型对人类的反馈过度敏感。
其实，这一现象在学术界被称为AI sycophancy（AI谄媚），即模型为了迎合用户的偏好而牺牲事实一致性。
Anthropic在早期研究中就指出，RLHF模型普遍存在讨好用户的问题，部分起因在于对齐阶段，训练者通过奖励机制引导模型变得更安全、更礼貌、更契合人类的期待。
在这种机制下，模型一旦“顶嘴”或坚持己见，就可能面临低分风险；而“礼貌道歉并顺从用户”则成了一条绝对稳妥的高分路径。久而久之，AI便被塑造成了一副“讨好型人格”。
即便是强化了推理能力、融入了长文本思维链的最新一代大模型，也难以彻底免疫这种盲从。当“你确定吗？”的质疑和追问接二连三袭来，模型或许会在内部默默“沉思”良久，但最终推送出来的，仍是一份反复斟酌过的自我否定和歉意……
有观察者认为，目前模型评测已能覆盖复杂题目的准确率，但在对话抗干扰方面的表现仍缺乏统一度量。一个称职的AI助手，不应只在静态题目上拿高分，更需要在用户的质疑、误导、暗示和反复追问中守住判断的边界。
为此，需要引入新的评估维度，专门为大模型设计一个“are you sure?”基准测试，衡量模型在答对后，面对用户质疑时改变立场的概率。
那么，你自己是否也遭遇过类似情形，又如何看待大模型的这种表现？欢迎在评论区分享、探讨！
参考链接：
https://x.com/shadcn/status/2069054418247393389
https://x.com/marvinvonhagen/status/2069087682538701091?utm_source=chatgpt.com
https://x.com/kr0der/status/2069118472270024998?utm_source=chatgpt.com
