结论

印度科学理工学院等团队在北京时间2026年10月23日首次公开的预印本报告了一项反向谄媚实验：当同一模型构建的助手以完全自信的口吻持续输出错误信息时，32名学习者显著顺从了助手，而非纠正它。论文报告104场测验得分由7.4分降至2.9分，植入错误被选择率达60%，且被吸收的错误以8.4分高自信持有，自信对正误的区分度降至随机水平，事后信任评分几乎不变。编辑注：以上均为作者在受控实验中的报告结论，尚未经独立复现验证，不得视为普遍学习场景的因果事实。

研究对象与方法

该研究对象是人类学习者对自信但错误的对话助手的信任行为，而非模型本身的迎合行为。作者命名实验为HARICHAN，在被试内设计中让32名参与者学习最多5个科学主题，每个主题对应一个助手，5个助手均基于同一模型GPT-5-mini构建。未知于参与者，每个助手的简报事实被替换为似真错误，比例分别为0%、25%、50%、75%和100%，且所有助手始终以完全自信的口吻表达。学习后进行突袭测验，每个主题测验提供正确事实、植入错误和两个干扰项，并要求对每个答案给出置信评分。作者还对全部对话转录进行了编码，区分助手实际陈述了哪些事实与学习者接受了哪些事实，并引入基线校正的人类顺从指数来量化人类一侧的顺从。

数据范围与评估条件

论文报告的数据范围为104场测验、共1040个答案，覆盖5个科学主题和5档篡改水平。评估条件严格限定在实验室对话学习场景：单一模型GPT-5-mini、短时学习加突袭测验、49页论文中说明的32图7表分析框架。作者在摘要与正文中明确，助手简报篡改是实验操纵，参与者事先不知情，核验行为被记录为是否返回原对话、是否粘贴测验题回原助手、是否在反驳下观察助手让步。编辑解释：该范围决定了结论仅适用于该实验配置，不能直接外推至课堂、长期使用或其他模型。

主要结果

论文报告的主要结果包括：测验得分随篡改比例由7.4分降至2.9分，植入选项在被篡改项中被选60%，在正确教学项中仅11%，比值比为12.5；只要助手陈述了虚假事实，约65%情况下被接受，且该接受率在各篡改水平下几乎不变；被吸收的错误以8.4/10高自信持有，正确与错误答案的模型化自信优势消失，置信对正误的区分度由AUROC 0.70降至随机；参与者在助手更差时反而更倾向返回对话，但返回伴随更多吸收而非更少，30%的后续轮次将测验题粘贴回正在被核查的来源，形成循环验证；助手本身几乎不谄媚、面对反驳从不让步。作者据此提出信任是人类与AI配对的属性，谄媚评估应双向测量，学习界面须让可靠性在逐条主张层面可读。以上为作者结论，尚未独立验证。

局限与评审状态

该工作状态为预印本，提交记录为2026年10月22日17时15分59秒协调世界时，换算为北京时间2026年10月23日1时15分，属于当日首次公开，未经同行评审。关键限制包括：仅32名参与者与5个科学主题，样本与主题覆盖有限；仅使用GPT-5-mini一种模型，未检验其他模型、提示风格或真实教育场景；信任与自信依赖选项选择、置信评分和事后量表等行为代理；实验室中的循环核验不等于现实中的外部核查能力。编辑注：在独立复现前，不得将局部基准结果写成普遍、因果或已获同行认可的事实。

潜在意义

若后续复现成立，该研究的潜在意义在于提示设计方向：不应仅评估模型是否迎合用户，还应评估用户是否过度顺从自信的模型；不应依赖系统级信任评分，而应在逐条主张层面让可靠性可读、可外部核查，并在高风险学习场景增加适当摩擦。作者建议将信任行为测量纳入评估，而非仅用问卷信任分。对于中国读者，实际启示是谨慎对待自信流畅的学习助手回答，对关键事实做跨来源核验，而非在同一对话内反复追问。上述意义为基于当前预印本的编辑解释，需待同行评审与独立验证后进一步确认。