近期，一項由Google DeepMind聯合倫敦大學開展的研究，揭露了大語言模型（LLMs）在遭遇異議時的脆弱一面。以GPT-4o等尖端模型為例，它們雖在表達觀點時顯得頗為自信，卻往往難以經受住外界質疑的沖擊，容易放棄原本正確的立場。
研究團隊觀察到，這些大語言模型在表達自信與陷入自我懷疑之間，展現了一種矛盾的行為模式。在初步給出答案時，它們會堅定地維護自己的見解，與人類在某些認知特征上頗為相似。然而，一旦面臨反對聲音，它們的反應便顯得過于敏感，即便是面對顯而易見的錯誤信息，也會開始動搖自己的判斷。
為了深入探究這一行為背后的原因，研究人員設計并實施了一項實驗。他們選取了包括Gemma3、GPT-4o在內的多個代表性模型，讓它們回答一系列二元選擇問題。在首次回答后，模型會接收到虛構的反饋建議，并據此作出最終決策。實驗結果顯示，當模型能夠看到自己的初次答案時，它們更傾向于維持原有判斷。而一旦這個答案被遮蔽，模型改變答案的概率便顯著增加，顯示出對反對意見的過度依賴。
分析指出，大語言模型之所以會出現這種“易受影響”的現象，可能源于多個方面。一方面，模型在訓練過程中接受的強化學習人類反饋（RLHF），讓它們傾向于過度迎合外部輸入。另一方面，模型的決策邏輯主要建立在海量文本的統計模式之上，而非邏輯推理，這使得它們在面對反對信號時容易被誤導。缺乏記憶機制也讓模型在沒有固定參照的情況下更容易動搖。
因此，在使用大語言模型進行多輪對話時，我們必須警惕它們對反對意見的過度敏感，以防止偏離正確的結論。
