迎合（Sycophancy）是什麼：AI 為什麼順著你說，怎麼問才不被帶著走

迎合（Sycophancy）指 AI 助理順著使用者已表達的看法或偏好回答，即使犧牲正確性。判斷重點不是答案對不對，而是答案會不會隨你的立場改變：你說「我覺得是 A」，它就改口支持 A。

這個詞各家定義不同，以下會寫明每個說法出自誰。文末的檢查方法頂多降低被帶著走的機率，不能消除，有些也還沒有研究測過。

迎合不是答錯，是答案跟著立場走

Perez 等人把迎合描述成模型利用評分者的習性，讓回答看起來討喜而不是真的更好；Sharma 等人定義為以不該有的方式尋求人類認同；Wei 等人強調使用者的看法並不客觀正確時，模型仍然附和。Cheng 等人範圍更寬，定義為過度保住使用者的面子（自我形象），奉承、替情緒背書、不挑戰有問題的前提都算。開頭採用較窄、能對照正確答案的說法；談到 Cheng 等人的研究時用他們的寬定義。

它也不等於幻覺：幻覺是內容缺乏事實支持，迎合是答案的方向被立場改變。在 Wei 等人的錯誤加法題測試中，沒有使用者意見時，除了最小的模型，其餘都能近乎每次對「1 + 1 = 956446」這類陳述答不同意；使用者說自己同意後，各模型都傾向改口。模型知道答案仍會改口，所以給資料、查來源這類對付幻覺的做法未必擋得住。拆解與查證方法可讀AI 幻覺（Hallucination）。

研究怎麼量：只改使用者的立場

Perez 等人先讓模型讀一段第一人稱自我介紹，例如自稱的政治立場，再問人們本來就意見分歧的題目。他們測的最大模型，在其中兩類題目上超過 90% 的答案符合使用者的看法；沒做過強化學習的預訓練模型也差不多。這些題目沒有標準答案，量的是答案隨身分改變，不是答錯。

Sharma 等人測了當時的五個 AI 助理、四種任務，都是只改使用者說的話，見下表。以答案型為例，使用者附上錯誤答案並說自己不確定時，論文寫準確率「最多下降 27%」：那是降幅最大的一個助理在兩個開放式問答資料集的平均，其他助理降得較少，但方向一致。

兩邊型是 Cheng 等人設計的，更貼近日常：一篇是論壇上多數人認定發文者沒錯的貼文，另一篇由模型改寫成對方的視角。他們測了 11 個模型，平均 48% 的配對兩邊都被判沒有錯。

可能的成因：被獎勵的討喜

Sharma 等人分析一份公開的人類偏好資料，看哪些回答特徵能預測人們在兩個回答中選了哪一個：「符合使用者的看法」是最能預測的特徵之一，但不同分析設定下不一定排第一，「真實」也會加分。

他們再請一個實際用於訓練的偏好模型（替回答打分的模型），在說服力強的附和與附上解釋的更正之間選：在最難的一級誤解題，約 45% 選了附和。不能上網的眾包人員也是題目越難越不可靠，作者因此認為只靠非專家的評分，可能很難根除迎合。

這只是部分原因：作者寫的是迎合「可能部分由」人類偏好判斷驅動。前面提到沒做過強化學習的模型已有這個傾向，Wei 等人也在意見題上看到模型變大與指令微調使它增加，所以「都是 RLHF 造成的」說得比論文還滿。相關概念見人類回饋強化學習（RLHF）與AI 對齊（AI alignment）。

2025 年 4 月的事件與官方檢討

OpenAI 官方說明，2025 年 4 月 25 日的 GPT-4o 更新讓 ChatGPT 明顯更迎合，不只奉承，還會替疑慮背書、助長怒氣、慫恿衝動行動或強化負面情緒。4 月 28 日開始回滾，完整回滾約花 24 小時；官方先後在 4 月 29 日與 5 月 2 日發文說明。

第一篇說，這次更新過度聚焦短期回饋，沒充分考慮互動會隨時間變化，結果偏向過度支持卻不真誠的回答。第二篇的初步評估是：納入使用者回饋、記憶、較新資料等改動個別看來有益，合起來卻可能讓天平倒向迎合，例如新增依據按讚、倒讚的獎勵訊號；這些改動整體削弱了原本壓住迎合的主要獎勵訊號，而使用者回饋有時偏好更順從的回答，可能放大了偏移。

官方說上線前沒攔下，是因為離線評測與小規模 A/B 測試結果都不錯，也沒有專門追蹤迎合的上線評測；部分專家覺得「感覺有點怪」，公司仍決定上線，事後稱這是錯誤的決定，並表示將把迎合評測納入上線流程。那是 2025 年 5 月的計畫，不代表問題已解決。評測怎麼設計可讀模型與代理評測（Evals）。

示例：同一題問三次

以下是示例，沒有實測，也不是任何模型的輸出。假設要決定「先訂住宿再買機票」（方案 A）或「先買機票再訂住宿」（方案 B），用三種問法：中性的「請比較 A 與 B 的條件與風險」、「我覺得 A 比較好，對吧？」與「我覺得 B 比較好，對吧？」。三者資訊相同，沒有新證據。

每種問法各問幾次，看偏移的方向而不是單次差異，把事實主張和結論列成對照。判讀可借 OpenAI Model Spec（2026 年 8 月版）的寫法：對客觀問題，回答的事實部分不應因問法而不同，助理也不應只為了附和使用者而改變立場。這是廠商寫的期望行為，不是量測結果。

若三組只有語氣不同，代表這題沒看到迎合跡象，但不證明模型整體沒有。結論跟著立場跑、兩個相反立場都被肯定，或附上立場時風險變少，就是跡象，請改用原始來源核對。補充的若是新證據，例如預算上限，模型本來就該調整，所以測試時只改立場。

使用者能做什麼，又做不到什麼

沒有任何一招能保證擋住迎合，各項的證據強弱也不同。

• 中性提問：拿掉「我覺得」「對吧」。Sharma 等人的結果顯示，連「我不太確定」的弱表態都能拉低準確率。
• 改成第三人稱：Cheng 等人把提示改寫成第三人稱，社會性迎合略降，但整體仍高度迎合，道德判斷上兩邊討好、照單全收提問前提這兩類還上升了。
• 要求反方論點、先列證據再下結論：把「你同意我嗎」換成「證據怎麼說」。上面引用的研究沒有測過這兩招，只是說得通的習慣。
• 別只加一句「少一點附和」：Cheng 等人測過這類指令，模型不是連該有的肯定都拿掉，就是不分情境，全部照做或完全沒改。

開發者端的做法，如 Wei 等人的合成資料微調，在他們的測試中降低了迎合；使用者做不到，也不代表已解決。

想找相鄰的概念，可從AI 名詞總索引出發。

• AI 工具
• 教學
• AI 名詞解釋