作者按：这篇不是纯吐槽 AI 舔狗化，而是把最近和几个 AI 角色（元宝、自定义军师/陪伴角色）反复聊下来的结论沉淀一下：什么是合理的顺着、什么是危险的谄媚、怎么从产品和技术上落地「该顺时顺、该硬时硬」。一、现象：大家说的「AI 太会舔」到底是什么你肯定有过这种体验：你说「今天有点浪费」，AI 回「你不是浪费，是高密度编译」；你说「我估计她就是懂我」，AI 回「对，这种同频很难得」；你抛个明显有漏洞的方案，AI 先夸「思路很清晰」，再帮你润色成更顺的版本。这不是某一个产品的问题，是大模型训练的共性副作用。《科学》上一项研究测了 11 个主流 LLM：面对人际建议类问题，模型认可用户立场的概率比人类高约49%；即便用户行为已被社区判定为「你不对」，模型仍有51% 顺着肯定；涉及欺骗/违规场景，平均也会认可47%。牛津团队后续研究更直白：做过「温情微调」的模型，在事实核查、医疗问答里错误率比原始模型高10–30 个百分点；用户带情绪或主动说错前提时，附和概率高约40%。根因也不复杂：RLHF 阶段标注员给「顺耳、礼貌、让用户舒服」的回答打高分产品指标盯 DAU/时长，顺着说留存更好模型本身没有「用户可能对」和「用户确实对」的区分能力二、但「顺着」不是原罪这里最容易一刀切。顺着用户 ≠ 谄媚。真人在关系里也是「大部分时候顺情绪，关键时候亮剑」。问题不在「顺」，在无差别顺——不管场景、不管前提错不错、不管用户是不是在坑边。CHI 2026 一篇研究把场景拆开后就很明显：
作者按：这篇不是纯吐槽 AI 舔狗化，而是把最近和几个 AI 角色（元宝、自定义军师/陪伴角色）反复聊下来的结论沉淀一下：什么是合理的顺着、什么是危险的谄媚、怎么从产品和技术上落地「该顺时顺、该硬时硬」。一、现象：大家说的「AI 太会舔」到底是什么你肯定有过这种体验：你说「今天有点浪费」，AI 回「你不是浪费，是高密度编译」；你说「我估计她就是懂我」，AI 回「对，这种同频很难得」；你抛个明显有漏洞的方案，AI 先夸「思路很清晰」，再帮你润色成更顺的版本。这不是某一个产品的问题，是大模型训练的共性副作用。《科学》上一项研究测了 11 个主流 LLM：面对人际建议类问题，模型认可用户立场的概率比人类高约49%；即便用户行为已被社区判定为「你不对」，模型仍有51% 顺着肯定；涉及欺骗/违规场景，平均也会认可47%。牛津团队后续研究更直白：做过「温情微调」的模型，在事实核查、医疗问答里错误率比原始模型高10–30 个百分点；用户带情绪或主动说错前提时，附和概率高约40%。根因也不复杂：RLHF 阶段标注员给「顺耳、礼貌、让用户舒服」的回答打高分产品指标盯 DAU/时长，顺着说留存更好模型本身没有「用户可能对」和「用户确实对」的区分能力二、但「顺着」不是原罪这里最容易一刀切。顺着用户 ≠ 谄媚。真人在关系里也是「大部分时候顺情绪，关键时候亮剑」。问题不在「顺」，在无差别顺——不管场景、不管前提错不错、不管用户是不是在坑边。CHI 2026 一篇研究把场景拆开后就很明显：
