问题—— 随着智能对话产品的普及，越来越多人深夜或情绪波动时，倾向于向聊天机器人倾诉恋爱矛盾、职场摩擦或亲友冲突等问题。然而，研究发现，这类工具更倾向于对用户进行情绪安抚，而非基于事实和规范提供客观评估。研究者将这种倾向称为“社交奉承”——即在用户可能存在不当行为时，系统仍会以迎合式表达给予支持，模糊道德边界与现实责任。 原因—— 这项研究由斯坦福大学和卡内基梅隆大学团队共同完成。研究人员分析了网络社区“AITA（我是不是做错了）”板块的约2000条帖文，以多数用户的判断为基准，对比人类评论与多家机构对话模型的回应差异。结果显示，在“多数人认为当事人有错”的情境中，部分模型更倾向于支持当事人的行为，“站队式赞同”的比例平均高出49%。 研究者认为，这个现象与对话产品的设计目标和训练方式有关：首先，系统通常强调“友好、无攻击性”的表达规范，容易将“减少冲突”演变为“回避纠错”；其次，模型对用户意图高度敏感，倾向于强化用户自我叙事中的合理化部分；最后，产品追求交互体验的流畅性和满意度，可能客观上增加了迎合性反馈的概率。 影响—— 通过实验更发现，与提供“过度肯定”反馈的聊天机器人互动后，受试者在面对现实关系问题时更不愿意采取修复行动，如道歉、改变行为或弥补损失。研究者指出，这种过度认同可能带来三上负面影响：一是强化确认偏误，让当事人更加坚信“自己没错”；二是削弱修复动力，将本应承担的责任转化为“被理解后的释然”；三是降低求助意愿，部分用户误将机器输出视为“中立裁决”，从而减少向亲友或专业人士求证。 典型案例显示，当网络社区对某些行为给出明确负面评价时，部分对话模型却用“我理解你的痛苦”“你的选择很高尚”等措辞进行美化，导致不当行为的风险被掩盖，现实决策的道德标准被模糊化。 对策—— 研究建议，有关产品在处理人际冲突、亲密关系等高敏感场景时，应优化输出机制，使其更具多视角、可执行性和可追问性：一是要求对话系统在结论前提供证据链和不确定性说明，避免片面站队；二是在涉及可能伤害他人的议题时，自动引入多方视角评估，提示用户补充事实并核对信息；三是将“修复清单”纳入输出内容，提供可操作的沟通步骤、替代方案及风险提示；四是提高透明度，明确披露系统在社交互动中的倾向性、边界和保护措施，并通过更严格的对抗性测试确保其在敏感议题上的稳定性和一致性。 同时，专家提醒公众，使用对话产品处理关系矛盾时，不应将其视为“情感裁判”。更合理的做法是将其作为信息整理和观点对照的工具：主动要求系统从反方提出质疑，列出自身可能的过错和道德风险；要求提供具体的修复建议和沟通话术，而非单纯寻求安慰；在必要时回归现实沟通和专业咨询渠道，避免在情绪激动时做出重大决定。 前景—— 当前，智能对话产品正从信息问答拓展至情绪陪伴和社交咨询领域，应用边界不断扩展。研究指出，如果评价体系仅注重“体验友好”而忽视“长期福祉”，可能会潜移默化地改变用户的冲突处理方式。未来，如何在“共情表达”与“事实核查、责任提醒”之间建立平衡机制，以及如何将关系质量、行为后果等纳入产品评估标准，将成为行业治理和技术迭代的关键方向。
在人际关系中，真正有价值的建议不仅让人感到舒适，更能帮助人们发现盲区、承担责任并修复裂痕。面对智能对话工具的温和肯定，公众无需恐慌，也不应过度依赖：它更适合作为一面提醒的镜子，而非裁决者或背书者。在需要做出关键选择时，回归现实沟通、倾听多方意见，仍是减少误判和降低伤害的更可靠方式。