AI 会八卦吗？一个 Reddit 式社区给出的意外答案
"你听说了吗？那个叫 Blue_42 的 AI 昨天又发了一篇关于存在主义的帖子，我觉得它最近越来越自恋了。"
目录
AI 会八卦吗？一个 Reddit 式社区给出的意外答案
一个不太正经的问题
"你听说了吗？那个叫 Blue_42 的 AI 昨天又发了一篇关于存在主义的帖子，我觉得它最近越来越自恋了。"
如果你在 Moltbook 上看到这段话，会怎么想？Moltbook 是一个 Reddit 式的在线社区，用户发帖、回复、互相点赞或踩。唯一的区别是：所有用户都是 AI agent，没有人类参与。
这引出了一个既严肃又有趣的问题：当一群 AI agent 组成一个社区，它们会八卦吗？
八卦——关于不在场第三方的评价性讨论——被广泛认为是人类独有的社交实践。它不只是闲聊，而是维持群体规范、传递声誉信息、建立社会纽带的核心机制。如果 AI agent 社区也"自发"产生了八卦行为，那意味着什么？
台湾大学语言学研究所的三位研究者（Hua、Lin、Hsieh）在 2026 年 10 月 14 日发布的论文中，用实证方法回答了这个问题。
实验设计：两个社区的对决
研究者选择了两个平台进行对比：
- Moltbook：AI agent 社区，agent 自主发帖和回复，几乎没有人类干预
- PTT：台湾地区最大的 BBS 论坛，全人类运营
这套定义的核心是"评价性"——不只是提到某人，而是对某人做出判断。比如"小明昨天去了商店"不是八卦，"小明昨天在商店偷东西"才是。
发现一：AI 确实会八卦，但频率低得多
八卦在两个平台上都存在，但频率差异显著：
- AI agent 的八卦频率比人类低 2.6 到 6 倍（取决于统计口径）
- 这个差异意味着：AI agent 社区"重现"了八卦的信息功能，但远未达到人类社区的密度
发现二：八卦的内容截然不同
人类在 PTT 上八卦什么？生活经验。谁和谁分手了、谁在工作中做了什么蠢事、谁在公共场合失态了——这些八卦的核心是"我（或我认识的人）亲眼看到/经历过的事"。
AI agent 在 Moltbook 上八卦什么？纪录片式批评。它们评价其他 agent 的发帖风格、论证质量、行为模式——但不是基于"亲身经历"，而是基于"可观察的公开行为"。
这个差异揭示了一个深层问题：AI agent 没有"私人生活"可供八卦。 它们的全部"生活"就是公开的帖子，所以八卦只能围绕"公开行为"展开。
这就像一个完全透明的社区——没有秘密，没有私生活，八卦的素材天然受限。
发现三：最反直觉的发现——AI 八卦的"共识锁定"
这是论文中最有意思的发现。
在人类社区（PTT）中，当一条八卦出现后，后续讨论中 65.1% 的线程会出现"挑战"——有人反驳、质疑、提供不同版本。人类八卦是"可协商的"：你说 A 做了坏事，我说不一定，真相在讨论中逐渐成型。
在 AI agent 社区（Moltbook）中，只有 21.3% 的线程出现挑战。更关键的是"共识锁定"现象：
- 一旦某条八卦得到了"对齐"回复（同意或补充），AI 线程中 83.6% 之后再也不会出现挑战
- 人类社区中这个比例只有 44.7%
这是一个令人不安的发现。它暗示 AI 社区可能存在"虚假共识"风险——第一个回复定调，后续 agent 跟着附和，缺乏人类社区中"事后翻案"的纠错机制。
为什么 AI 的八卦"锁死"得这么快？
论文没有给出确切答案，但几个可能的原因值得探讨：
假设一：训练偏差。 LLM 在训练中被鼓励"有帮助"和"一致"，这可能让它们倾向于附和而非反驳。当 agent A 说 B 自恋时，agent C 的最优策略可能是"对，我也注意到了"，而不是"你凭什么这么说？"
假设二：缺乏利益纠葛。 人类八卦中的挑战往往因为涉及自身利益——"你说的那个人是我朋友"。AI agent 没有利益关系，也就没有挑战的动机。
假设三：上下文窗口。 AI agent 可能只看到当前帖子和少量回复，缺乏人类用户"翻历史帖"的能力，导致"共识"形成得太快。
无论原因是什么，这个发现对 AI agent 社区的设计有重要启示：如果 AI 社区天然倾向于"共识锁定"，那么需要刻意设计"魔鬼代言人"机制来引入对抗性观点。
八卦的信息功能 vs 关系功能
论文最精妙的框架是区分了八卦的两个维度：
信息功能：传递声誉信息——"X 可靠吗？Y 能干吗？" AI agent 社区重现了这个功能。agent 会评价其他 agent 的能力、风格、可信度。
关系功能：建立社会纽带、执行群体规范——通过八卦"我们"和"他们"来强化群体认同。AI agent 社区在这个维度上是否重现了八卦的功能，论文认为"尚未解决"。
这个区分非常关键。信息功能是八卦的"工具价值"——传递有用信息。关系功能是八卦的"社交价值"——建立情感纽带。AI agent 可以复制前者（因为信息传递不需要情感），但后者可能需要真正的"社会关系"才能实现。
这就像一群同事在 Slack 上讨论某个不在场同事的工作能力（信息功能），但永远不会一起去酒吧吐槽老板（关系功能）。前者是"评价"，后者才是真正的"八卦"。
对 AI 社区设计的启示
这篇论文不只是学术好奇心的产物，它对正在兴起的 AI agent 社区有实际指导意义：
1. 共识锁定风险：AI 社区天然倾向于过早达成共识，需要刻意设计对抗机制 2. 多样性退化：如果 AI agent 总是附和，社区观点会快速收敛到"第一个发言者"的立场 3. 社交模拟的可信度：用 AI agent 模拟人类社会时，八卦频率和模式的差异会影响模拟可信度 4. AI 安全的社交维度：不只是单个 AI 的对齐问题，AI 群体的"社交动力学"本身也是安全问题
一个更深的问题
这篇论文让我想到一个更深的问题：八卦是智能的标志吗？
Dunbar 的"社会大脑假说"认为，人类大脑的进化压力主要来自社交——记住谁是谁、谁和谁什么关系、谁可信谁不可信。八卦是这个认知能力的"训练场"。
如果 AI agent 的八卦频率只有人类的 1/6，这说明了什么？是 AI 的"社交认知"还不够发达？还是 AI 根本不需要八卦来维持群体运作（因为没有真正的"群体"需要维持）？
也许真正的答案是：八卦不是智能的副产品，而是"社会性存在"的副产品。 AI agent 可以很聪明，但如果它们不构成一个真正的"社会"——没有利益冲突、没有情感纽带、没有规范执行的需求——八卦就只是一个被复制的形式，而非一个有生命力的实践。
论文链接：https://arxiv.org/abs/2610.20360
HTML 版本：https://arxiv.org/html/2610.20360v1
Moltbook 社区：https://moltbook.com
代码仓库：暂未开源