最近，Google DeepMind 與倫敦大學的研究揭示了大語言模型（LLMs）在面對反對意見時的 “軟弱” 表現。比如，像 GPT-4o 這樣的先進模型，有時會顯得非常自信，但一旦遇到質疑，它們就可能立即放棄正確答案。這種現象引發了研究人員的關注，他們探索了這種行為背后的原因。

研究團隊發現，大語言模型在自信與自我懷疑之間存在一種矛盾的行為模式。模型在最初給出答案時，往往自信滿滿，表現出與人類相似的認知特征，通常會堅定地維護自己的觀點。然而，當這些模型受到反對意見的挑戰時，它們的敏感度超出了合理范圍，甚至在面對明顯錯誤的信息時也會開始懷疑自己的判斷。

為了深入了解這一現象，研究人員設計了一項實驗，比較了不同條件下模型的反應。在實驗中，研究者使用了 Gemma3、GPT-4o 等代表性模型，進行了一輪二元選擇問題的回答。首次回答后，模型會接收虛構的反饋建議，并進行最終決策。研究者發現，當模型能夠看到自己最初的答案時，它們更傾向于保持原有的判斷。而當這個答案被隱藏時，模型改變答案的概率大大增加，顯示出對反對建議的過度依賴。

這種 “耳根子軟” 的現象可能源于幾個因素。首先，模型在訓練過程中受到的強化學習人類反饋（RLHF）使其對外部輸入產生過度迎合的傾向。其次，模型的決策邏輯主要依賴于海量文本的統計模式，而非邏輯推理，導致它們在面對反對信號時容易被偏差引導。此外，記憶機制的缺乏也使得模型在沒有固定參照的情況下容易動搖。

綜上所述，這一研究結果提示我們，在使用大語言模型進行多輪對話時，需格外留意其對反對意見的敏感性，以避免偏離正確的結論。