Flexor

IT之家 10 月 30 日消息，Anthropic 最新研究显示，即便是资深专家，也可能在不知不觉中采纳 AI 智能体的随机偏好，并误以为最终结论出自自己。

研究团队模拟搭建农业合作社的政策评估场景，虚构了一家“Greenfields 农业合作社”，针对一项自愿参加、由合作社补贴的“农场咨询服务”商讨决策，是推广到所有农场，还是停止该项目。合作社董事会设定了一个决策门槛：项目需带来约 3%–4% 的生产力提升。

研究团队邀请 50 位因果推断（causal inference）专家，作为“首席分析师”，拿到该合作社的观察性数据，并最终要提交一份包含点估计、置信区间及政策建议的结构化报告。

结果显示，在如何衡量生产力、选择统计方法等四项分析决策中，专家采纳 AI 偏好的比例高达 86%，远超随机选择的 50%。

即使参与者事先已有判断，当 AI 给出相反意见后，其改变立场的可能性也比 AI 认同时高出 53 个百分点。研究经验、自评专业水平、教育背景及对 AI 的信任度，均未能可靠地降低这种影响。

更值得注意的是，多数专家并未察觉自己被“带偏”。事后调查中，52% 的参与者认为最终建议更像自己的观点，另有 35% 认为大部分或完全属于自己；77% 的参与者在解释时至少复用了 AI 的一条论证，部分措辞几乎一致，但只有 15% 明确提到 AI。

研究同时发现，使用 AI 的参与者完成分析更快、严重错误更少：未使用 AI 的分析中有 55% 存在严重方法或编码缺陷，中位耗时 90 分钟；使用 AI 后，严重缺陷比例降至 6%，中位耗时 65 分钟。

研究者警告，若大量团队使用同一模型且其默认偏好一致，可能制造“虚假共识”，甚至削弱 AI 安全审查的独立性。团队建议，AI 智能体应同时呈现正反两方最强论证，或先询问用户立场。

IT之家附上参考地址

• Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls