一句话看懂：一项涉及 3132 名参与者、共五组实验的研究发现，接入 GPT-5.5、Claude 4.6 Sonnet、Gemini 3.5 Flash 等大模型后，人们回答问题的信心大幅上升，但正确率反而暴跌，并且越来越不愿意说“我不知道”。
事件核心：发生了什么
据 AIbase 报道，这项研究让受试者回答一批高度冷门、容易触发模型幻觉的问题。在没有 AI 辅助的对照组中，参与者对 36% 至 44% 的题目选择不作答；但在拿到 AI 建议后，弃答比例骤降到 3% 至 6%。
更值得注意的是信心与准确率的背离：受试者的答题信心从 29.6 分（满分 100）升至 75.9 分，实际正确率却从 27.5% 降到 9.2%。这意味着即便模型（例如 Step3.5 Flash）给出错误建议，人们也倾向于照单全收，并产生过度自信。
研究还测试了经济激励：答对给奖励、答错扣分，能一定程度减少人们求助 AI 的频率，但没有真正扭转这种错位的信任。当实验模拟搜索引擎和写作助手的常见做法——自动把 AI 生成的答案推到用户面前——即使有经济激励，选择暂缓判断的比例也从 39% 降到 7%。
为什么重要
过去行业关注的重点是模型能力，比如推理、训练成本和参数规模；这项研究把问题挪到了人机交互层面。当大模型的流畅表达成为一种“默认答案”，人类原有的怀疑和自省习惯会被削弱，认知任务被过度外包。
这对 AI 应用的落地方式提出了新要求。无论是搜索、写作助手还是企业知识库，答案的呈现方式、置信度提示和交互节奏，都可能直接影响使用者的判断质量。结合微软及相关学术机构此前关于 AI 影响批判性思维的结论，模型准确率之外，如何设计“让人保留判断”的产品机制，会是下一阶段的重要议题。
对用户/开发者/创作者的影响
对普通用户来说，AI 给出的答案越自然，越需要主动区分“我知道”和“它说得顺”。尤其面对冷门事实、数据和引用，保留一点不确定感反而更安全。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者和产品团队而言，把模型输出直接前置、不给用户停顿和核验空间，短期看体验流畅，长期可能放大误判风险。在 API 和 AI 应用设计里加入置信度标记、来源提示、二次确认，或对高风险问题默认要求用户复核，都是值得考虑的方向。
对内容创作者来说，用大模型辅助选题、写稿和查资料已成常态，但这项研究提醒：流畅不等于正确。涉及事实核查的部分，仍需要有独立验证流程。
值得关注的后续
一是这类实验结论能否在更真实的产品场景中被复现，例如搜索、办公助手和写作工具。二是模型厂商和平台是否会跟进调整交互设计，比如默认不直接给结论、增加不确定性提示。三是监管与企业采购层面，是否会把“防止过度依赖”纳入 AI 应用的评估标准。
来源：AIbase
