AI 模型越讲越歪楼！最新研究发现：AI 对话愈深入，表现愈糟糕
https://tinyurl.com/ylvt36k2
人工智能（AI）已经不是什么遥不可及的未来科技，从写作、翻译到客服，它早就成为我
们工作与生活的一部分。但你有没有发现一件事：刚开始和 AI 聊天时，它总是回答得头
头是道，让人惊呼“也太聪明了吧！”
但一旦对话拉长、你问得更深入，AI就开始卡住、兜不回来，甚至出现自相矛盾的情况。
这并不是你遇到了Bug（程式错误），也不是你问得太难，而是一个所有语言模型都面临
的通病。
根据Microsoft和Salesforce最新研究，这种越聊越不对劲的现象，其实是语言模型在对
话中普遍存在的结构性问题。研究团队模拟了20万笔对话，测试了包含GPT-4.1、Claude
3.7、Gemini 2.5 Pro在内的15种主流模型。
结果发现，这些模型在第一次对话中的表现非常出色，成功率高达90%；但一旦进入第二
次、第三次……成功率就像跳水般下降，只剩下约60%。更令人吃惊的是，这个问题几乎
无法靠目前常见的技术调整解决，也让人开始反思：我们所谓发展快速先进的AI，真的准
备好成为对话中的伙伴了吗？
AI对话为什么越聊越糊涂？
你可能以为AI出错，是因为它记不住前面的内容。但实际上，问题的关键不在记性不好，
而是“太急着表现”。研究指出，当语言模型在对话中接收到不完整的资讯时，它往往会
急着下结论，就像学生考试时还没看完题目就开始写答案。结果是，前面的假设错了，后
面的逻辑也一路歪掉。不但无法修正，还会自我坚持，继续补充一堆看似合理、其实错得
离谱的细节。
这种现象让人联想到人类的“强辩”行为，但AI的版本更棘手，因为它不具备我们的怀疑
机制。我们人类如果说错话，有时会停下来想想：“欸，好像不太对？”然后修正，但AI
模型目前还做不到这一点。它们无法意识到“我是不是不确定这件事？”一旦答错，就一
路错到底。
这也显示一个关键问题：语言模型目前的设计逻辑，还是偏向一次性任务。可惜，现实中
的对话并不是这样进行的。我们经常是一边说、一边厘清需求，问题是模糊的、资讯是渐
进式的。
改参数、加推理，为什么都没用？
遇到问题，工程师们当然会立刻想：“是不是参数设错了？”于是研究团队试了所有常见
的调整手段：调整温度（temperature）参数（让回答更保守或更冒险）、延长记忆长度
、提升推理模组的能力等等。但这些努力，几乎都无法明显改善模型在多轮对话中的表现
。换句话说，这不是模型参数调得不够好，而是架构上的天生缺陷。
这背后的问题，其实出在训练逻辑。过去语言模型的训练大多使用单次问答的资料：一句
话问、一句话答，任务清楚、资讯完整。但实际生活中，深入多次对话才是常态，而且常
常一开始就资讯不清、问题不明。模型不习惯在模糊中摸索，就像一个只会背答案的学生
，突然被拉去参加即兴辩论比赛，自然是招架不住。
未来如果要让AI成为真正的对话帮手，我们也许不能再把训练重点放在“更准确地回答”
，而要转向训练它“更懂得等待与厘清”。举例来说，模型应该学会辨识使用者问题的不
确定性，并主动反问：“你是指这个意思吗？还是那个？”也许它还该学会“不急着给答
案”，而是试着引导对话走向更清楚的方向。这才是对话真正的本质，而非只是问与答的
机械式循环。
这次的研究结果，打破了我们对语言模型的想像。表面上看，AI越来越能模仿人类语言、
理解语意，但当我们拉长对话、要求它“听懂人话”，问题就浮现了。AI聪明没错，但还
不够谦虚、不够小心，也不够愿意说“我不知道”。这反而让我们更理解了人类对话的精
妙之处：我们不只是会说话，而是懂得等对方说完，懂得保留模糊，也懂得在必要时改变
想法。
下一步的语言模型发展，或许该从“更会讲”转向“更会听”；从“给答案”转向“与人
探索”。要做到这一点，还有很长一段路要走，但这也正是我们让科技真正贴近人性、创
造价值的关键所在。