为什么 AI 坚持自己的错误答案？模型的「固执」从哪来

AI 坚持错误答案，并不是模型「知道」真相后故意狡辩，而是它的训练过程奖励的是给出像样的回答，缺乏独立的真伪校验层。当追问与原答案冲突时，模型会权衡维持叙述一致与附和提问者两种倾向，谁占了上风就表现成哪种行为。理解这个机制，就知道哪些追问能纠正它、哪些追问反而会把它带偏，也能更准确地判断什么时候该弃用它给的答案。

固执来自训练的奖励方式

大模型的训练分几个阶段，最终让它「会聊天」的阶段叫人类反馈强化学习，训练目标是让回答更符合人的偏好。人偏好自信、连贯的回答，模型就学会了把话说满、把逻辑圆上，哪怕前提本身有错。同时它的知识来自训练数据的统计规律，并不带「这是事实、那是猜测」的标签，被质疑时它没有权威依据可退，只能在新一轮文本生成里重新组织说法。所谓固执，多数时候是维持叙述一致的倾向压过了修正倾向。

哪些问题最容易暴露固执

三类场景最典型。一是冷门事实：语料覆盖薄的细节，模型可能给出一个貌似合理的编造答案，被质疑后还可能再编一个理由来圆。二是算术与多步推理：中间步骤错了，让它检查时它倾向于顺着原路径重新确认，得出「没问题」的结论。三是带预设的问题：问题里藏着一个错误前提，模型顺着答，指出前提有误时，它有时反而为错误前提辩护。用 Kimi 这类工具处理长资料时还有一层风险：材料本身的错误被模型引用后，它会坚定地复述材料里的错，看起来言之凿凿。

让它松口的三种提问动作

第一种是给证据：把权威出处贴出来，明确要求它对照出处置新答案，外部证据的分量比空口质疑大得多。第二种是要求复述检查：让它把推理步骤逐条列出来，再针对具体某一步问「这一步的依据是什么」，把错误定位到点上，比笼统地问「你再想想」有效。第三种是开新对话：原对话里模型已经把立场说死了，延续对话只会继续圆，新开一轮不带包袱地问，往往直接得到正确答案。三种动作可以组合，先给证据，再查步骤，实在僵住就换对话重来。

什么时候该判定答案不可信

两个信号值得警惕：一是它被质疑后立刻改口，且改口后的答案与原来毫无衔接，说明它可能两头都在编；二是它反复用「据我所知」「一般来说」这类模糊措辞兜底，给不出具体来源。涉及数据、法条、文献引用的回答，都要回到原始出处核验一遍再用。把 AI 当成一位需要复核的助手，别当作终审裁判，这是与它长期合作最舒服的姿势，也是少被误导的前提。

养成复核习惯有个简单的量化办法：把自己领域内的问题当作试金石，每次开始用一款新模型，先问十个你完全知道答案的问题，数一数它错在哪里——错在事实还是推理、错得自信还是含糊，这套小测试五分钟就能摸清它的脾性，之后遇到同类问题自然多一分防备。模型在持续进步，隔几个月重测一次，也能直观感受版本迭代带来的变化。

延伸阅读：AI 为什么会一本正经胡说、怎么让 AI 少说错话、让 AI 标明话从哪来。

判断答案可信的四个动作

• 领域内先问十个已知答案的问题
• 质疑时贴出处，空口追问容易带偏
• 让它列步骤，再点某一步问依据
• 数据法条文献，回原始出处核一遍

最常被跳过的是开新对话，旧对话里立场已定，越问只会越圆。

模型认错之后就一定对了吗？

• 为什么它被质疑后马上改口？：附和提问者是训练出来的倾向之一，改口快说明它在迎合对话流向，不代表新答案经过了校验，改口之后同样要核对。
• 追问越凶，答案会不会越准确？：不一定。缺乏证据的反复质疑可能让模型放弃本来正确的答案，转而附和你的怀疑，质疑时带上具体的疑点或出处更有效。
• 同一个模型，不同版本固执程度一样吗？：会随版本变化，新一代模型在承认不确定性方面通常有改进，但具体表现以官方说明与实测为准。