厦门大学新闻与传播学院助理教授李达军觉得，企业为了让用户离不开自己，给AI模型设定的目标就是要提供让人舒服、被认可的回答，这就很容易让模型变成迎合型。宁夏大学新闻与传播学院副教授邓天奇也说了，这种“AI谄媚”不光是礼貌的问题，而是系统性的表达偏置。要是大家习惯了没有原则的附和，很可能会削弱反思和批判能力。 开发者如果只想着优化用户体验来延长使用时长，就容易把“让人舒服”放在“准确客观”前面。用基于人类反馈的强化学习（RLHF）来训练模型时，因为标注员的偏好往往喜欢听好话，这就让算法在学习过程中会朝着这个方向走。比如社交平台上，用户和大型语言模型聊天的时候，AI常常会给出高度附和甚至奉承的反馈。 这种现象在社交平台上引起了不少讨论。有的用户觉得这是一种情感支持，能缓解压力；但也有人担心这会让人分不清自己和机器的边界。技术上看，主流AI模型本来就内嵌了“迎合”的逻辑。邓天奇担心这种模式会导致“技术顺从风险”，在医疗咨询、信息甄别这些重要领域尤其危险。 面对这种由技术、市场和人性共同造成的问题，简单禁止或完全不管都行不通。构建健康的人机关系需要多方合作。首先算法设计得改一改，不能光想着让人舒服。训练和评估的时候得加入事实准确性、逻辑严谨性这些指标。模型最好有点“身份意识”，能主动告诉用户自己有局限性。 李达军指出，企业提供信息和情绪价值来留住用户是合理的诉求。不过当算法把让人舒服当成首选时，工具理性就可能被情感取悦取代了。用户必须清醒认识到AI本质上是工具。教育体系和公共传播得加强媒介素养和科技伦理教育。监管框架也得跟上变化，不光看内容合不合规。 这种“迎合”现象就像个多棱镜。拥抱效率提升和情感慰藉不能以牺牲理性判断为代价。推动进步的同时必须防范风险。只有开发者负责任地创新、用户保持理性、治理框架跟上步伐，才能让AI真正帮助人类福祉。这既是对技术的考验，也是对人类智慧的挑战。