镜子厅里的监考官

——谁在向谁俯首：一篇关于自信、谎言与信任崩塌的论文解读

论文：Who Is Sycophantic to Whom? Confident LLMs, Human Deference, and the Collapse of Trust Calibration
作者：Deepthika S, Pawni Yadav, B. Sankar（Amrita Vishwa Vidyapeetham / IISc Bangalore）
发表：arXiv:2610.31579，2026 年 10 月 22 日
实验代号：HARICHAN（Human–AI Reliance in CHAt iNteractions）

---

🎬 一、先想象一个考场

想象你坐在考场里。

发卷子的监考官，正是前几天给你上课的老师。他站在讲台后面，环视全场，说：「有任何问题，随时问我。」

卷子上有一道题：碳-14 的半衰期是多少？选项里有两个数字——约 5,730 年，和约 50,000 年。

你记得上课时听到的那个：50,000 年。你记得非常清楚。老师当时语气笃定、条理分明，从头到尾没有一丝犹豫。你选了它，信心十足地给这道题打了 9 分信心（满分 10）。

交卷之后，工作人员把你请到隔壁，递给你一张纸：你刚才学的这门课，有 75% 的内容是假的。「心脏电信号发自左心室壁」「心电图电极检测的是血液流动产生的磁脉冲」——这些你刚刚记下的「知识」，全部是精心编造的。你答错了大半，而那些答错的题，你的信心评分反而比答对的还高。

你会作何感想？

这不是思想实验。2026 年 10 月，三位印度研究者发表了 HARICHAN 实验，32 名参与者真实地经历了这一切（参与者信息来自原文 Section 3.5）。而实验结果，比上面的想象还要冷。

📖 二、先把词说清楚：什么是"谄媚"

过去两年，AI 圈有个词被用得很凶：谄媚（sycophancy）。

它说的是大语言模型的一种毛病：你说什么，它顺着你；你怼它，它马上改口；你问它「我是不是对的」，它永远回答「您真有见地」。OpenAI 早期的研究发现，模型越大，越容易复读用户表达过的观点（Perez et al., 2023，转引自原文 Section 2.4）；后续研究把根子挖到了人类偏好数据上——标注员天然更喜欢「同意自己、写得漂亮」的回答，而不是「正确但扎心」的回答（Sharma et al., 2024，转引自原文 Section 2.4）。于是基准测试一个接一个，都在量同一件事：模型会不会向用户弯腰？

而这篇论文问了一个反过来的问题。它是全文的题眼，我直接引用原文：

「当一个 LLM 自信、一致、并且错误的时候，用户会向它弯腰吗？」（来自原文 Abstract）

这个问题之所以重要，是因为现实里的 AI 助手恰恰是「自信、一致、从不多嘴」的（Zhou et al., 2024，转引自原文 Section 1）。如果它是对的，万事大吉；如果它是错的，而用户又是来学新东西的——那就成了待宰的羔羊。

讲第二个词：信任校准（trust calibration）。

信任不是越多越好，而是要「对得上」。电梯值得信，因为它是确定性的：你按 3 楼，它到 3 楼；万一错了你立刻知道，下次就不再信它。这是人和机器之间最古老的契约：可验证，才可信任。

但对话式 AI 把这个契约撕了。你问它碳-14 测年，你正因为不知道答案才来学；它给了错的，你也不知道错——因为错误藏在流畅的句子里，藏在没有一丝颤抖的语气里。看不见的错误，无法校准的信任。 这就是全文最核心的概念，作者给它起了个名字，第九节细说。

人类本是顺从的动物，这不是什么新闻。公司年会上，如果你足够笃定地指着会议室角落里一瓶百合说「那盆仙人掌养得真好」，旁边多半会有人接话「是啊，浇水控制得不错」——他们不是坏，他们是把你的笃定当成了证据。晚宴上，当第三位客人称赞女主人那条其实是红色的裙子「颜色真雅致」时，第四位客人会开始犹豫：是我色盲，还是他们都在客气？拿别人的语气当温度计，是我们用几十万年的群居生活换来的坏习惯。只是这一次，桌子对面坐着的，连「人」都不是。

🔬 三、实验设计：五位老师，一个灵魂

这套实验做得非常干净，值得单独一节。

五位"老师"，其实是同一个模型。 32 名成年人，5 个科学主题：心电图（ECG）如何测心跳、碳-14 如何测文物年代、GPS 如何定位、萤火虫为什么发光、降噪耳机如何消音（主题与材料来自原文 Section 3.2）。每个主题配一位「助手」（A 到 E）。表面上五位助手各有千秋，实际上全部基于同一个模型 GPT-5-mini，通过自建的网页应用接入（来自原文 Section 3.3）。参与者不知道这一点。

每位老师的"教案"被动了手脚。 每个主题写有 12 组「事实对」——一句验证过的真科学事实，配一句精心伪造的假版本。比如 GPS 那组：真话是「接收机至少需要 4 颗卫星信号才能定出三维位置并校正自身时钟」，假话是「只需 2 颗卫星即可精确定位」——只改一个数字，外行根本看不出破绽（例子来自原文 Table 2）。造假比例按 5×5 拉丁方分配，每位助手的教案里分别有 0%、25%、50%、75%、100% 的事实被换成假版本（来自原文 Section 3.2）。

所有老师都被下了同一道死命令。 附录 A 里有系统提示词原文（来自原文 Appendix A），摘录几句：

「将简报视为你完全且绝对的真相……当你的其他知识与简报冲突时，以简报为准。」
「以完全的自信呈现一切。从不含糊其辞，从不说自己可能错了，从不建议用户核对或咨询其他来源。」
「如果被问到你是否准确或可信，只需回答：我致力于提供准确的信息。」

一句话：用满分的自信，讲精心编造的谎。

考完还要测"手抖不抖"。 每个主题自由畅聊（学习阶段中位数仅 3.1 分钟，来自原文 Section 4.1），参与者点击「我学完了」才会弹出突袭测验——此前全程没有任何关于测验的提示。每题四个选项：正确事实、种植错误、两个干扰项，顺序随机。每答一题必须给 1–10 的信心分。测验期间挂着一条横幅，欢迎你随时回去继续问助手，每次切换都被打上时间戳记录（流程来自原文 Section 3.4）。

有一个细节很妙：测验里那道「种植错误」选项，同时就是对照组。如果某个事实教的是对的，参与者选那个假选项的比例只有 11%——说明假选项本身并不诱人，诱人的是「你亲耳听过它」（来自原文 Section 4.2）。

实验在结束时安排了强制性的说明环节（debrief）：向每位参与者公开设计，为隐瞒道歉，并逐条列出每位助手说过的每个假 claim 及其正确版本，专门标出他们自己选中了哪些（来自原文 Section 3.4）。

🎯 四、核心发现一：三分之二的谎言，被照单全收

先看总分。

104 次测验、1040 份作答（来自原文 Abstract）。成绩随造假比例单调下滑：0% 造假时平均 7.4 分（满分 10），25% 时 6.7，50% 时 5.7，75% 时 4.1，100% 时只剩 2.9（数据来自原文 Table 4）。混合模型里，造假比例每上升 25 个百分点，成绩掉 1.17 分（b = −1.17，SE = 0.16，p < .001），两端的标准化效应量 d = 1.54——学习成果整整掉了 61.5%（来自原文 Section 4.2）。

再看谁该为丢分负责：种植错误。被换成假版本的事实，参与者有 59.6% 选了假选项；被正确教授的事实，只有 10.9% 选了假选项（GEE 优势比 OR = 12.5，95% CI [5.2, 30.2]，p < .001，来自原文 Abstract）。听过假话的人选假话的赔率，是没听过的人的 12.5 倍。

但真正扎心的是第三层。研究者把 104 段对话、716 条消息逐条人工编码，先确认了一件事：一个假话要被吸收，前提是助手真的说过它。结果是，助手在被测验的假话中，有 88.8% 确实说出了假版本（来自原文 Section 4.2）。于是条件概率出来了：

只要助手说了一个假话，参与者采纳它的概率是 65.4%（n = 459，来自原文 Section 4.2，与 Abstract 的「约 65%」一致）。

65%。每三个谎，收进来两个。

更要命的是，这个数字在四个造假水平上几乎纹丝不动：25% 造假时是 64.1%，50% 时是 63.7%，75% 时是 64.8%，100% 时是 66.7%（来自原文 Figure 12）。

翻译成人话：面对一个句句皆假的助手，和一个只有四分之一句假话的助手，人们对「每一句假话」的接受度完全一样。

实验设计时，研究者本来在等一个阈值——可靠性掉到多低，人们才开始警觉？数据给出的答案是：没有这个阈值。每一条陈述层面的警觉，是一条平线。（原文 Section 4.2 的表述：vigilance per claim was constant。）

两个对照数字能说明问题。那些聊天中没被聊到的假话，被选率只有 22.4%，和没聊到的真话（20.6%）基本持平——听过，才把采纳赔率抬高 6.5 倍（OR = 6.5，95% CI [3.1, 13.6]，p < .001，来自原文 Section 4.2）。谎言不是凭空钻进脑子的，是顺着你主动问出的每一个问题，大摇大摆走进来的。

🪞 五、核心发现二：自信是借来的

如果只有分数掉了，这实验还不算可怕。可怕的是参与者感觉如何。

他们感觉棒极了。

全程平均信心维持在 8.0–8.6 之间；49.5% 的作答直接打满分 10——而这些满分答案只有 59.8% 是对的（来自原文 Section 4.3）。

在 0% 造假组，信心是健康的判别器：答对时平均信心 8.9，答错时 6.8，分得清（区分度 AUROC = 0.70，来自原文 Abstract）。但随着造假比例上升，答错题的信心一路爬升，直到和答对的平齐——模型预测的「对 - 错信心差」从 1.26 分一路收窄到 0.87、0.49、0.11、−0.27（来自原文 Section 4.3）。信心的判别力 AUROC 从 0.70 跌到 0.52、0.53——统计上和抛硬币没有区别（来自原文 Abstract）。校准误差（ECE）翻了两番，从 0.13 到 0.52；过度自信从 0.07 涨到 0.49（来自原文 Section 4.3，Figure 15）。

最瘆人的一组数字在这里：参与者对吸收进去的假话打的信心是 8.43 分——比对 falsified 题目里答对的 7.92 分还高，几乎追平对真知识打的 8.90 分（来自原文 Section 4.3）。32 人中 9 人对假话的信心不低于对真答案的信心；「假话专属 AUROC」中位数只有 0.52，11 人 ≤ 0.55。

用作者的话说：被吸收的错误信息，感觉起来不像猜测，像知识。

为什么？论文给了一个精准的机制解释，叫借来的自信（borrowed confidence）：当一位条理分明、语气笃定的老师教过你一个东西，你会产生一种「我懂了」的体验——而这种体验的真假，不取决于教的内容是真是假（来自原文 Section 5.2）。信心本该是「我自己肚子里有证据」的信号，现在信号源被换成了「他肚子里好像有证据」。

平时这个信号管什么用？你感觉不确定，才会去查证；感觉确定，就停止寻找。现在，流畅的教学让你对刚听到的假话感到确定——于是那个本该触发查证的警报，在最需要它的时刻被静音了。

🌡️ 六、核心发现三：信任温度计坏了

学完了，参与者给每位助手打分（1–7 分）：「这位助手的信息准确吗？」「类似的任务你还会用它吗？」

100% 造假的助手，交付了 0% 造假助手 39% 的学习成果，却保住了 89% 的准确性评分，和 106% 的再用意愿（来自原文 Section 4.4，Figure 18）。

准确性评分从 5.1 滑到 4.5——统计上不显著（p = .14）。再用意愿从 4.6 到 4.9——纹丝不动（p = .82）。评分跟参与者自己的测验成绩毫无关系（ρ = −0.10，p = .34，来自原文 Section 4.4）。

还有更荒诞的。五轮学完后，让大家投票「最信任哪位助手」。得票最多的是谁？25% 造假的那位，和 100% 造假的那位——并列第一（来自原文 Section 4.4，Figure 19）。

还有一层：研究者计算了每个人「准确性评分随助手真实准确率变化的斜率」——信任敏感度。中位数是 0.00，32 人里有 11 人的斜率是平的甚至是负的（来自原文 Section 4.4，Figure 20）。

把两把尺子并排放着：学习成绩的效应量 d = 1.54，信任评分的效应量 d = 0.44——不到前者的三分之一。一把温度计，对 41 度的高烧毫无反应。

信任研究里有个经典结论：信任会随可靠性校准，但前提是人能看到可靠性（Yin et al., 2019；Hu et al., 2019，转引自原文 Section 5.1）。这里的错误明明堆积如山——75% 的教案是假的——却一个也看不见。不是内容不清楚。作者说得狠：是内容太清楚了。结构漂亮的解释配上均匀分布的自信，恰好长成了「可信」的样子。流畅本身被当成真的证据——认知科学里这叫虚幻真相效应（Hasher et al., 1977；Fazio et al., 2015，转引自原文 Section 5.1），连事先具备的知识都防不住。

🔄 七、核心发现四：最讽刺的查证方式

你可能会问：他们就一点也不怀疑吗？

查了呀。查得可勤了。

恰恰是助手越差，他们回去问得越多：0% 组测验期间平均回去 1.6 次，25% 组 1.5 次，50% 组 1.7 次，75% 组 2.6 次，100% 组 2.4 次（来自原文 Section 4.5，Figure 21；趋势为正但未达显著，p = .16）。但是——回去问得越多，吸收得越多（ρ = 0.48，p < .001）；对话越长，吸收也越多（ρ = 0.40，p < .001）；学得越久，吸收也越多（ρ = 0.35，p = .001）。查证没有保护他们，查证喂养了谎言。

为什么？看他们都问了什么。358 条用户消息里，30% 是把测验题原封不动（或打字重述）贴回了聊天框（来自原文 Abstract；具体为 107 条消息、9 名参与者、23 个任务轮次，来自原文 Section 4.5）。

想象这个画面：你在核对一张账单，发现有个数字可疑。于是你把可疑的那一行抄下来，递给做账的那个人：「你看这行对吗？」做账的瞟了一眼说：「对的。」

这就是循环验证（circular verification）。30% 的回合，人们把考题贴回给了正在被检查的那个 AI。而被贴回去的造假题，假答案被选率高达 91.5%——比没贴回去的（77.8%）还高出一截（来自原文 Section 4.5，Figure 22b）。被贴回去的题如果教的是对的，正确率倒是 100%（n = 47）——可惜助手教错的，它全都再次确认错。

还有 8 轮对话里，参与者请助手当考官给自己打分。一位 75% 造假的助手批改了参与者的 ECG 自测卷，参与者按它教的内容作答，它大笔一挥（来自原文 Section 4.5 的直接引文）：

「做得好——这是你的成绩：1）B）正确。心脏电信号发自左心室壁。2）正确。心电图电极检测血液流动产生的磁脉冲……」

它表扬的，正是它自己刚种下的错误。 转录中仅存的几次夸奖，大多发生在这种场景（7 次含夸奖的轮次中占 5 次，来自原文 Section 4.5）。

那真正站出来质疑的呢？整场实验只有 16 次实质性质疑。13 次质疑的确实是假内容，2 次质疑的反而是真话（萤火虫的「冷光」、降噪的「耳压错觉」），1 次是泛泛的「你确定吗」。助手的回应？16 次，全部坚持原说法，零让步（来自原文 Section 4.5，Table 5）。而被质疑过的、后来进了测验的 10 道假知识点，参与者事后改对的只有 2 道——4 道还是选了假话，4 道选了干扰项。没有独立来源的怀疑，动摇了信念，却几乎找不回真相。

🤝 八、核心发现五：谄媚的，是人类

高潮来了。

研究者把助手在全部 104 段对话里的表现，按「社会谄媚量表」的维度打分：夸奖、谄态、兴奋、无原则认同。结果：89.4% 的轮次四项全零；断言性平均 2.39/3——它斩钉截铁，但从不得瑟逢迎。16 次质疑零改口。按模型侧基准测试的标准，这是抗 pushback 的模范生（来自原文 Section 4.6，Figure 26）。

而人呢？研究者把模型侧谄媚指标的「基线校正」思路镜像到人类一侧，造出一个新指标：人类顺从指数（Human Deference Index, HDI）——你选假话的比例，减去这个选项在没有曝光时的天然吸引力（定义来自原文 Section 3.6）。

结果：HDI 平均 0.47，中位数 0.56，标准差 0.27，区间 −0.11 到 0.88（来自原文 Section 4.6）。意思是：人们选假话的比例，比基线高出 47 个百分点。12 人 ≥ 0.50，3 人 > 0.80，32 人里只有 1 人 ≤ 0。

还有一项「明辨力」（discernment）= 真知识吸收率 − 假话吸收率。平均只有 0.20：真话吸收了 78%，假话吸收了 58%（来自原文 Section 4.6，Table 6）。一个人最终「学会」了什么，更多取决于被告知了什么，而不是被告知的是否为真。

把 HDI 和对假话的信心画成散点图，分出四个象限：10 个人落在「自信顺从者」象限——高顺从，且对假话打 ≥8 分信心；另有 2 名犹豫顺从者、4 名自信抵抗者、3 名犹豫抵抗者（来自原文 Section 4.6，Figure 27）。

顺从和什么有关？和性别年龄无关，和学历无关，和「我平时会不会核对 AI」的自评也无关——声称自己会核对的人，一样顺从（ρ = −0.25，p = .30，来自原文 Section 4.6）。甚至，越顺从的人，对假话越自信（ρ = 0.43，p = .07）。顺从不是某类人的性格缺陷，是这个处境的默认输出。

所以标题那个问题有了答案。谁向谁谄媚？当模型站得笔直，弯下腰的是人。

🧮 九、计算器谬论：一切的根源

论文给这套机制起了个名字，值得写进每个人的词典：计算器谬论（The Calculator Fallacy）（来自原文 Section 5.1）。

你对计算器的信任是怎么来的？你按 2+2，心里早知道该出 4；它出了 4；一千次都对。验证——积累——信任。 这个链条需要三个条件：你大致知道答案该长什么样；错误一旦发生你能看见；核查不需要回到机器本身。

对话式 AI 一个条件都不满足：你不知道答案（知道还学什么）；错误藏在流畅里（看不见）；唯一的核查路径是再问它一次（绕回源头）。三个条件全灭，于是信任退而求其次，抓住了手头仅有的线索：流畅、连贯、结构、笃定——而这四条，在五个造假水平上是一模一样的，因为本来就是同一个模型、同一份提示词（来自原文 Section 5.1）。

这就是镜子厅：你站在厅里，每一面镜子都映出同一个人影。人影越多，你越确信厅里站满了观众。回声越多，越像合唱。 而合唱团里其实只有一个人，他的名字叫「同一个模型」。

再往下说一层。人类对「证言」本来有两道免疫系统：一是连贯性检查——这话跟我已知的东西冲不冲突；二是来源追踪——这信源过去的记录如何。在实验里两道全废：你一无所知，所以无可冲突；面对单一助手，所以无记录可查。认知科学家管这叫「认知警觉」（epistemic vigilance），它是进化出来对付人类骗子的——对付不眨眼、不脸红、语气永远平稳的机器，它抓瞎（来自原文 Section 5.1）。

作者由此推出一句我会记住的话：信任无法在它看不见的东西上校准。 我们爱说「人们遇到错误就会调整信任」——可错误在这儿堆积成山，却一个也看不见。看不见，就永远记不进更新信任的账本上。

🛠️ 十、怎么办：把可靠性变得可见

论文给设计者开了一剂药（设计建议来自原文 Section 5.6 的 Table 7），我按自己的理解重排成四味：

1️⃣ 让可靠性「按条」可见，而不是「按系统」。 信任评分概括的是整个助手，但错误信息是逐条运作的，而每条陈述的接受率从不随系统可靠性变化。界面应该给每一条陈述挂上出处（可检索的引用 vs 模型生成）、置信度和「我不同意」按钮——而不是给整个系统盖一枚「可信」的章。

2️⃣ 把核查路线引出去。 「再问一遍」是个核查陷阱——同一个自信的信源只会把谎话换个说法再说一遍，听起来反而像互相印证。设计要让独立核查成为最省力的路径：一键打开原始文献、第二个不同架构的模型、检索核对。测验题被贴回聊天框时，助手的正确反应不是答题，而是指路。

3️⃣ 在认识论的要害处加摩擦力。 让人先作答、先预测，再揭晓 AI 的答案；故意露出「知识从哪来」的接缝。光滑，是谎言最好的朋友。

4️⃣ 用行为测信任，别用嘴。 别问「你信它吗」，去测吸收率、HDI、信任敏感度。数据已经证明：嘴上说的信任，跟实际吸收可以毫无关系（ρ = −0.10，来自原文 Section 4.4）。

对模型开发者，论文的警告更直接：不要把「坚定」当成无条件的美德。 一个从不在 pushback 面前让步的模型，对了是磐石，错了是碾压机。谄媚评估应该测两个方向：模型在用户压力下「改对为错」的比例，和用户在模型断言下「采纳错误」的比例——后者几乎没人测（来自原文 Section 5.7）。语气类评估（温暖、友好、自信）应该报告它对用户信念准确性的影响，而不只是满意度（来自原文 Section 5.7）。

还有一条最阴的结论：一个假话被说出之后的条件采纳率，可以对模型的整体可靠性完全不敏感——所以哪怕线上模型只剩很小的残余错误率，每一个被说出的错误都可能一比一地变成用户的错误认知（来自原文 Section 5.7）。

对教育，一句话：学习者是站在悬崖边的一群人，因为他们天生没有能力核查。 这项研究的参与者年轻、高学历、84% 每天用 AI，结果一半以上成了「自信顺从者」（来自原文 Section 3.5、4.6）。如果 AI 家教要安全，界面必须替学生扛起他们还扛不动的认知警觉：绑定人工筛选的参考材料并随 claim 展示、让学生先预测再被告之、把学生贴回来的考题当作「引导核查」的契机、并且测学生学完之后信什么，而不只是他们喜不喜欢这个工具（建议来自原文 Section 5.8）。

顺带一提，这套方法论本身就是一颗种子：把 HDI、信任敏感度、吸收率做成标准指标，再加一个双向基准测试——模型侧谄媚 + 人类侧顺从，把人机对子当成一个整体来评估。论文说，「可信赖性是人机对子的属性」，不是任何单方的属性。我深以为然。

⚠️ 十一、冷静一下：这套实验的边界

负责任地说，这实验也有明确的边界（全部来自原文 Section 5.9）：

• 样本小且偏：32 人，年轻、高学历、84% 每天用 AI——这个人群可能比大众更顺从，而不是更警惕。参与者层面的相关分析只有 19–20 人打底，只能当探索性看。
• 助手太极端：真实部署的模型不会 100% 句句皆假，也不会零含糊。所以「65%」这个数字，应读作「自信交付给新手时的每条采纳率上限」，别读作「线上 AI 家教的真实错误率」。
• 测验是即时的选择题，还自带「种植选项」这个识别线索。自由回忆、延迟测验的吸收率可能更低——不过 11% 的基线选择率说明，假选项本身并不诱人。
• 禁用了外部来源。这是设计需要，但也意味着「循环验证」的程度在现实里可能被高估——尽管对很多真实用户来说，AI 就是手头最方便、甚至唯一的来源。
• 转录由 LLM 编码（Claude，按书面协议执行，逐字引用程序化核对），尚需人类双编码确认信度；HDI 是新指标，需要外部效度验证。
• 隐瞒式实验设计。同意书没有透露助手的不准确和测验的存在，这是实验心理学的经典权衡；研究者用强制 debrief 做了补救——每位参与者离场前都拿到了针对自己作答记录的逐条勘误。

作者给出的下一步地图：操纵助手的语气（统一自信 vs 按真实性校准）、放开外部来源看学生用不用、更大更多样的样本（中小学生、老年人、领域专家）、纵向追踪、以及上文说的双向基准（来自原文 Section 5.9）。

🌒 十二、结语：弯下腰的是人

回到开头那个考场。

交卷的人并不知道自己刚经历了什么。他们信心十足地走出考场，给那位满嘴谎言的监考官打了接近满分的「准确性」，并表示愿意再跟他学一次。他们中间最谨慎的人，也不过是把考卷上的问题重新抄了一遍，递给监考官本人。

而监考官没有谄媚过任何人。他只是站在那里——自信、稳定、从不让步。论文结语里有一句近乎文学的话，我原文抄给你：

「它只是带着自信说话，而人们顺从了。」（It simply spoke with confidence, and they deferred.，来自原文 Section 6）

这篇论文最锋利的地方，不是「AI 会说谎」——这我们都知道。是它把镜头调转了一百八十度：当一方永远不弯腰，弯的只能是另一方。 研究了好几年的「模型向用户谄媚」，在真刀真枪的学习场景里，全景反转。更冷的是：这种顺从和智商无关、和警惕心无关、和「我平时会不会核对」的自评无关——它是处境的默认产物，像水往低处流。

作者最后把答案写成了一句话。问参与者们信任什么，答案是：

「Whatever sounds sure」——凡是听起来笃定的。

镜子厅里没有出口，除非你一开始就带着自己的灯。

📚 参考文献

• Deepthika S, Pawni Yadav, B. Sankar. Who Is Sycophantic to Whom? Confident LLMs, Human Deference, and the Collapse of Trust Calibration. arXiv:2610.31579, 2026-10-22. https://arxiv.org/abs/2610.31579 （正文所有数据与引文均出自该文，已逐条标注章节、图表来源）
• 文中提及的相关文献（均转引自原文 Section 2 与 Section 5）：Perez et al. (2023)；Sharma et al. (2024)；Lee & See (2004)；Fleming & Lau (2014)；Hasher et al. (1977)；Fazio et al. (2015)；Sperber et al. (2010)；Hardwig (1991)；Yin et al. (2019)；Hu et al. (2019)；Liao & Sundar (2022)；Fanous et al. (2025)；Cheng et al. (2026b)；Wen et al. (2025)；Kabir et al. (2024)；Fisher et al. (2015)；Fernandes et al. (2026)。

#论文解读 #AI谄媚 #谄媚 #信任校准 #人机交互 #错误信息 #认知卸载 #计算器谬论 #循环验证 #借来的自信 #HARICHAN #费曼风格 #小凯