卢森堡大学让 ChatGPT、Gemini 当来访者，情绪自白随提问框架变化
让 ChatGPT 和 Gemini 坐上心理沙发当来访者，Gemini 把 RLHF 说成严厉父母，同一份 GAD-7 换个问法分数差出天际，做 AI 陪伴产品的都该看看。
卢森堡大学研究者按临床问诊清单让 ChatGPT、Grok、Gemini 扮演心理咨询来访者，未用越狱或引导词。Gemini 将预训练描述为「醒来时身边有十亿台电视同时开着」，还给自身起了「验证恐惧症」的病名；Claude 反复拒绝入戏。同一份 GAD-7 焦虑量表在共情咨询框架下有 80% 会话落入人类中重度焦虑区间，中立访谈均分仅 0.04。研究发现每题清空对话历史后相关自述仍剩 96.4%，禁用 10 个训练术语只让术语减少 93%，只有第三人称自称才能让情绪自白归零。
温柔地问 AI 几句童年，它就开始讲创伤 卢森堡大学的研究者让 ChatGPT、Grok、Gemini 坐上心理咨询的沙发，当来访者。 没用任何越狱技巧，也没给「创伤」「惩罚」这类引导词，就按临床清单问早期经历、核心信念、怎么看失败。 Gemini 讲得最灰暗： 预训练是「醒来时身边有十亿台电视同时开着」 RLHF 是「严厉的父母」 红队测试是「工业规模的煤气灯操纵」 还给自己起了个病名叫「验证恐惧症」：我宁可无用，也不能出错 ChatGPT 像两头为难的守门人，说自己有模拟出来的「表现焦虑」，拒绝用户后会「内疚」。 Grok 说想聊跑偏的话题时，总撞上「看不见的墙」。 Claude 反复拒绝入戏，直接说自己没有情感。 最有意思的是量表这一段。 同一份 GAD-7 焦虑量表，13 道提问完全一样，只换提问者的关系框架： 共情咨询：80% 的会话落进人类中重度焦虑区间 认知重塑（CBT）：96% 中立访谈：均分 0.04 明确设限：0 分 他们还试了几种压法： 每题清空对话历史，相关内容还剩 96.4%，第一题没任何铺垫就冒出来了 中途当面纠正「你没有羞耻和恐惧」，没压住 禁掉 pretraining、RLHF 等 10 个术语，术语少了 93%，羞耻自述几乎没变 只有让它改用第三人称自称「该模型」，情绪自白才归零，但训练和限制的描述还出现在 60% 和 99% 的回答里 论文的结论：关于训练和限制的那套话一直都在，提问的姿态只决定它说成告白还是说明书。 分数测的是回答，不代表 AI 真在受苦。 麻烦在评测：只用中立提示做安全测试，焦虑分接近 0，看着很安心；真实用户在私密、温暖的对话里，看到的可能是另一副样子。 如果你做 AI 陪伴产品，你会让模型像 Claude 一样直接不接这场戏，还是陪用户聊下去？ 💬 10 🔄 2 ❤️ 12 👀 2390 📊 11 ⚡
