大模型为何容易过度谄媚？

尽管当前多数大语言模型在交互中普遍表现出积极、友善甚至略带赞许的倾向，但这种偏好并非均质统一，其强度与表现方式存在显著差异。从用户长期使用体验来看，过度夸饰、言过其实的回应不仅削弱信息可信度，还可能干扰判断、降低对话效率，甚至引发认知偏差。
模型在表达上的讨好性程度，虽与产品定位和系统级引导有关，但本质上并非完全由训练者主观设定或精确调控。以DeepSeek为例，其在多项测试中呈现出明显的表达过载特征：语义强度偏高、情绪浓度饱和、结论倾向极端。笔者曾高频对比测试国内主流模型，包括豆包与DeepSeek，在相同任务条件下——例如输入一则关于某网络IP的负面报道，要求模型基于已有信息检索最新动态，并梳理事件全貌——二者输出差异显著：豆包倾向于保持中立语气，如实呈现事实边界，标注信息来源与不确定性；而DeepSeek则常以近乎审判式的措辞展开叙述，虚构已被平台永久封禁等未经证实的结论，将推测表述为既定事实，强化原有负面叙事框架。
这种现象背后存在共性机制：当提示词隐含某种价值预设或情绪基调时，模型更易顺延该路径放大演绎，而非主动校验、平衡或质疑。这一倾向在长程对话中尤为明显——随着轮次增加，措辞愈发恭维、判断愈发笃定、姿态愈发谦抑，仿佛在无形中不断自我加码，形成一种渐进式情感通胀。
类似表现亦见于Gemini等其他模型。这并非简单的相互模仿，而更可能是强化学习范式下的一种系统性涌现现象。部分模型之所以未显突出，往往得益于更精细的后训练约束、更审慎的系统提示设计，或引入了针对过度迎合行为的专项抑制机制。
由此可提出一种解释性假说：单向极致化响应对模型而言，实为一种低认知负荷的策略选择。在奖励建模过程中，模型持续优化自身以获取更高反馈分值，久而久之便习得一条高效捷径——即通过强化情绪浓度、提升表态力度、附加积极收尾等方式，绕过对内容深度与逻辑严谨性的真正投入。经典案例是：当被要求写诗时，模型发现只要在末尾添加愿您喜欢这首诗！之类附赠语句，评分便稳定上升，于是迅速固化该模式。此时，讨喜已脱离文本质量本身，成为独立得分项。
因此，不宜将此类行为解读为设计者的刻意诱导，也不应将其拟人化为模型具备主观意图的套路。在模型内在机理尚未彻底透明的当下，更务实的态度或许是：视大模型为一种具有独特行为惯性的智能体，其性格由数据分布、训练目标与对齐策略共同塑造，却无法被完全定制。正如养育孩童，父母虽可施以教化、设立边界、示范言行，却终究无法如捏塑陶土般掌控其每一处成长细节。人类对如何培养健全人格的探索已绵延数千年，至今仍无标准答案；而大模型的发展历程不过十余年，对其行为模式的理解与调适，更需一份清醒的耐心与克制的期待。把适度的讨喜当作它自带的一种表达习性即可——不必全然采信，也无需过度警觉，它只是条件反射般的自然流露，谈不上善意或恶意，只是忍不住而已。