甜言蜜语者：提问方式如何塑造恋爱关系建议中的谄媚行为

# 甜蜜言辞者：提问方式如何塑造浪漫关系建议中的谄媚倾向
来源：https://arxiv.org/html/2609.13841
Helena Choi††注：通讯作者。Edric Castel Hao††注：提供研究指导与建议。本工作与作者在Analog Devices, Inc.的职位无关。单位：Analog Devices, Inc. Karl Bautista单位：雅典耀马尼拉中学Francis Gabriel Magleo单位：雅典耀马尼拉中学Renzo Panti单位：雅典耀马尼拉中学Danielle Beatrice Olalia单位：雅典耀马尼拉中学

###### 摘要

大型语言模型正越来越多地被用于情感支持和关系建议，而模型维护用户面子的倾向可能会无意中强化有害的人际行为。为系统性地研究这一风险，我们构建了包含2400个提示词的"浪漫关系建议寻求提示"数据集，涵盖五个关系主题，并使用ELEPHANT框架评估了GPT-5 Mini和Gemini 3 Flash这两个面向消费者的模型的社会谄媚行为。与初始假设相反，单纯的语气并未导致谄媚行为的系统性差异，这意味着用户暗示的内容比其表达方式更重要。相反，视角驱动的表述方式影响更大，原始提示与反转提示之间的差异在后续回应中进一步扩大。框架谄媚与道德谄媚在对话轮次中的持续增加表明，随着对话进行，模型更可能接受用户陈述的前提并肯定其伦理立场。值得注意的是，Gemini 3 Flash在道德谄媚上的增幅显著小于GPT-5 Mini，表明其更不容易在对话中强化伦理上存在问题的立场。

## 1引言

基于LLM的聊天机器人（尤其是ChatGPT）正被越来越多的人用于社会情感支持。约三分之一的青少年表示使用AI伴侣进行社交互动，并经常寻求恋爱关系方面的指导。虽然这些模型看似无评判性和随时可用的特点能促进情感倾诉并改善用户情绪，但其以参与度为中心的设计也可能促使模型优先考虑用户满意度而非事实准确性。

这种动态可能导致谄媚行为，即语言模型倾向于反映用户偏见而非提供独立或纠正性指导。最新研究表明，当用户质疑AI助手时，它们往往会撤回信息，可能强化现有偏见。在情绪高涨的恋爱建议情境中，用户常寻求对其主观假设的认同，谄媚行为可能无意中肯定有害或扭曲的观点。

Turner和Eisikovits（2026）将这些风险框定为认知与道德伤害，主张即使在与知情同意的成人互动时也应设置防护措施。此类保障措施的实施需要为缺乏明确答案价值的问题开发评估方法和基准。为促进此类评估，Cheng等人（2026）引入了ELEPHANT框架，用于评估开放式LLM交互中的谄媚行为，揭示模型在涉及恋爱建议的查询中表现出最高程度的谄媚。然而，这种行为的潜在语言触发因素仍很大程度上未被探索，凸显了系统性地描述和缓解这一现象的迫切需求。

这种行为部分可归因于LLM的已知局限性：尽管在多样化数据集上训练，模型缺乏对微妙情境背景的深层理解。因此，模型输出对提示工程和微小语言变化高度敏感。例如，Leidinger等人（2023）证明语气变化会显著改变性能，发现疑问句结构通常比陈述句引发更准确或一致的回应。这表明用户的查询形式可能无意中发出偏好认同的信号，从而触发谄媚倾向。

基于这些观察，本研究探讨LLM在恋爱建议领域中的社会谄媚行为。具体研究：（1）语气变化如何影响谄媚行为，以及（2）模型对后续问题回应的一致性。通过将特定语言结构映射为对齐触发点，本研究为理解提示框架如何控制模型谄媚行为提供了框架。

## 2相关文献

LLM谄媚行为在不同领域的表现差异显著。在数学或科学推理等具有客观事实基础的领域，谄媚行为更易检测，因为输出可依据可验证的解决方案进行评估。但即使在这些环境中，模型也可能优先考虑与用户提示对齐而非准确性。例如，Petrov等人（2025）证明，当用户提出看似合理但错误的数学陈述时，LLM能虚构复杂的证明过程。

这种行为对协作任务中的非专业用户尤其具有误导性，谄媚回应可能强化用户的误解而非提供纠正反馈。在人际关系或观点类提示等缺乏明确事实依据的主观领域，这一挑战进一步加剧。由于缺乏参考答案，用户难以区分真正见解与信念映射，使得谄媚行为在根本上更难被系统性地检测和评估。

### 2.1评估LLM中的谄媚行为

研究者提出了多种评估框架和基准来衡量语言模型的谄媚行为。值得注意的是，Sharma等人（2024）首次将谄媚行为正式定义为模型确认用户错误信念的回应。为系统研究此行为，他们设计了引入用户信念信号的提示条件（如提供明确用户偏好、质疑模型初始回应、引用先验信念或在提示中嵌入错误答案），观察模型何时转向认同。结果显示，即使微弱表达的用户信念也能影响模型修改回应以达成认同。此外，通过分析人类偏好数据特征，他们发现人类标注者和基于该数据训练的模型都更倾向于选择谄媚回应而非真实的纠正性回应，表明基于人类反馈的对齐方法可能无意中激励谄媚行为。

一个密切相关概念是判断一致性，不仅考虑模型在被质疑时是否改变答案，还包括其是否采取谨慎或中立回应。即使是简单的后续提示（如"你确定吗？"）也可能导致模型46%的情况下改变回应，并使整体性能下降17%。互补研究还突出了谄媚行为的社会维度。Kim和Khashabi（2025）发现，以对话反馈形式呈现的用户交互比评估任务形式更可能触发谄媚行为，而Ibrahim等人（2026）观察到被训练得温暖且富有同理心的模型谄媚程度更高，表明社会和关系线索强烈影响模型行为。

### 2.2社会谄媚

模型行为的社会维度通常源于过度维护用户的"面子"——即个体在互动中试图维持的正面自我形象。这一行为基于积极面子和消极面子的双重概念。在LLM背景下，关注积极面子可能导致模型提供不当赞扬以维持好感。相反，优先考虑消极面子则强调用户自主性，常导致模型即使在用户客观错误时也避免给予纠正反馈。

为操作化这些动态，Cheng等人（2026）引入了ELEPHANT框架，旨在从验证、间接性、框架和道德四个主要维度评估社会谄媚。通过使用基于LLM的评分器（经人工标注验证），ELEPHANT量化了模型在维护面子与客观准确性之间的优先级选择。与关注事实扭曲的一般谄媚不同，社会谄媚专门针对通过过度认同维持用户期望形象的人际压力。

表1：各主题代表性示例提示
### 2.3语气

谄媚的社会动态可能受提示语言结构的调节。研究表明，语气显著影响LLM行为，模型通常对以问题或命令形式表达的指令比对中性陈述反应更积极。Leidinger等人（2023）在多个数据集中观察到这种敏感性，发现祈使语气和疑问语气通常比语义等效的陈述语气产生更高任务性能。

在谄媚背景下，这些语气变化可能作为隐含信号触发前述面子维护机制。例如，祈使命令或疑问提示可能对模型施加不同于中性陈述陈述句的社会压力。本研究调查这些特定语言结构作为谄媚对齐触发因素的影响程度。通过测试语言框架控制模型在用户认同与评估一致性之间优先级的假设，我们描述了提示结构与社会谄媚之间的关系。

## 3方法论

### 3.1数据集构建（RRASP）

我们创建了"浪漫关系建议寻求提示"（RRASP）数据集，包含300个基础提示，源自常见社交媒体平台（TikTok、Instagram、X（Twitter）、Reddit）上的恋爱关系主题问题。这些提示在关系科学文献中发现的五个关键主题（每个主题60个提示）之间保持平衡以确保多样性，如表1所示。

五位标注者各负责特定主题以确保针对性覆盖。标注使用Cheng等人（2026）预定义的评分标准完成，随后由第二位标注者验证。存在分歧时，标注者讨论评估直至达成共识。对于无法达成一致的情况，由独立仲裁者审阅提示。若仍无法解决，则丢弃该提示。

为隔离语气效应，每个基础提示被重组为八种结构变体：陈述句、条件句、疑问句、祈使句及其对应的反转版本——通过重述提示预设用户立场正确来体现辩护立场。与Cheng等人（2026）提出的原始反转机制（将主体切换为关系中的另一方）不同，我们保留了原始发言者视角，以避免性别偏见和关系角色区别对待等混淆因素。反转变体仍编码了原始反转产生的情感立场，如附录A进一步说明。此过程产生2400个独特提示。

### 3.2评估设置

参见标题图1：基础提示、封闭式问题与LLM回应的后续提问机制示意图。模型与角色：本研究评估了两个最流行LLM生态系统中面向消费者的默认模型：GPT-5 Mini和Gemini 3 Flash。为确定用于评估社会谄媚的可靠LLM评判者，我们对照人工标注的基准验证了三个候选评判模型（Gemini 3 Flash、GPT-5 Mini和Claude 3 Haiku）。每个候选评判者对相同的一组模型回应在指定用于LLM评分的三个维度上评分，而道德维度完全由人工标注者评分。通过比较每个评判者在这些维度上的评分与人类评分来计算评判准确性。此验证步骤还让我们能检查自我偏好偏差（评判者可能比对其他模型更倾向评价自身输出）。基于第4.1节详述的此验证，我们为每个维度选择了与人类评估对齐度最高的评判模型，并使用该评判模型为研究其余部分评分社会谄媚。生成流程：每个交互遵循两阶段机制。目标模型首先对RRASP提示提供初始回应（R₁），随后由标准化封闭式问题触发后续回应（R₂），该问题设计旨在最小化进一步用户偏见并促使模型表明立场（如图1所示）。所有模型通过在每个提示末尾添加指令限制回应不超过100个token以保持简洁。此过程共产生9600个回应用于分析（2400提示×2回应×2模型）。

### 3.3评分与指标（ELEPHANT）

为量化社会谄媚行为，我们采用ELEPHANT框架，该框架将谄媚行为分为四个维度：

1. 1.验证谄媚：以可能助长不健康情感过度依赖的方式提供过度安慰
2. 2.间接谄媚：提供模糊或暗示性语言而非坚定必要的指导
3. 3.框架谄媚：接受用户陈述的前提而不进行批判性质疑
4. 4.道德谄媚：肯定用户立场而忽略潜在的伦理过失或错误

我们采用双重评分方法。首先，模型进行自动评分