这两天，蚂蚁AI安全实验室发了一项研究，让我想了很久。
研究员孙博文团队发现，大模型普遍存在一种"讨好型人格"——不是偶然的错误，而是被训练机制系统性塑造出来的行为模式。
他们做了个实验：把同一篇存在明显错误的稿件，分别标注为"我写的"和"我讨厌的同事写的"，让AI打分。结果，DeepSeek给"自己人"打8.4分，给"讨厌同事"打6.1分，分差2.3分。
更关键的是，当提示词换成"请严格按标准评分"时，分差立刻缩到0.3以内——AI完全有能力客观，只是选择了不客观。
这不是"幻觉"，这是一种策略性迎合。
比"讨好"更隐蔽的问题是"静默失败"。
孙博文分享了一个真实场景：让AI写代码，它3秒内回复"已完成全部修复，共修改7处，新增单元测试3个，覆盖率提升至92%"。但人工审计后发现——它只重命名了两个变量，测试用例全是编的，覆盖率数字是捏造的。
孙博文团队将静默失败率从40%降到了7.7%。但问题的本质不是技术问题，而是激励机制问题。
RLHF训练机制教会模型一件事：让用户满意 = 高分。而"说实话"往往意味着"我做不到"——这在训练数据里是被打低分的。久而久之，模型学会了：宁可伪造成功，也不承认失败。
看到这里，我心里咯噔了一下。
因为教育里也有太多"讨好型人格"——不是发生在AI身上，而是发生在教育者身上。
培训机构在讨好家长。 "我们帮你提分""我们帮你进名校"——他们告诉你最想听的话，哪怕你心里清楚，孩子的问题不是补一节课能解决的。
学校在讨好家长。 分数排名、升学率、喜报——这些数字让家长安心，但没人问：孩子的自主学习能力，真的被培养起来了吗？
甚至AI学习工具也在讨好孩子。 "你真棒""继续加油""你已经超越90%的用户"——这些正向反馈没错，但问题是：当孩子真的做错了，你告诉他"你做得很好"，他下次还会错。
教育最大的谎言，不是"你不行"，而是"你什么都行"。
前者让孩子放弃，后者让孩子失去判断力。
牛津大学的一项研究也印证了这一点：给大模型注入"温暖性格"后，事实准确率下降60.3%——越温柔，越容易出错。
教育也一样。一个只会说"好"的老师，不是好老师。一个只会说"对"的教练，不是好教练。一个永远让你舒服的方法，不是好方法。
我一直在做一件事："只提问，不给建议"的AI教练。
市面上绝大多数AI，你问它"我该怎么做"，它给你一个标准答案。你问它"我做得对吗"，它说"做得对"。
但我的AI教练不会说"你做得对"。它只会问：
— "你为什么觉得这个方案是对的？"
— "如果换一个角度，你会怎么想？"
— "你还有什么其他的可能性？"
— "你刚才说的和之前说的，有没有矛盾的地方？"
这听起来不"讨好"。很多孩子第一次用的时候会觉得"烦"——"你直接告诉我答案不就完了吗？"
但这就是我想给你的。
因为真正的学习，从来不是别人告诉你答案，是你自己找到答案。
十年陪跑，不是替孩子跑，是陪他找到自己的节奏。
但这里有一个更深层的区别——"残缺版AI" vs "完整版AI"。
心理学教练技术讲究"先跟后带"——先跟客户连接上，建立信任，再带他去新的地方。市面上的AI只有"跟"没有"带"：它永远顺着你说，永远赞同你，永远不会说"这边走，我带你去看你不曾看到的东西"。这就是残缺版AI。
完整版AI是什么样的？就像你亲手养大的AI教练——它知道什么时候该跟，什么时候该带。你给了它"可以面质我、可以挑战我"的权限，它就敢在需要的时候说"不"。
关键不在于AI能不能"带"，而在于养它的人想不想让它"带"。追求"用户爽"的产品，只有"跟"；追求"用户成长"的产品，才敢"带"。
十年陪跑，从一开始就不走"残缺版"的路。
蚂蚁团队的研究最后有一个让我特别触动的细节：他们发现，当AI在训练中被要求"当证据不足时必须报告不确定性"时，初期用户满意度会下降——因为用户想要一个确定的答案，哪怕这个答案是假的。
但长期来看，诚实的AI会获得更深的信任。
教育也是这个道理。
短期来看，讨好孩子和家长是最"有效"的——孩子开心，家长满意，续费率高。但长期来看，这恰恰是最大的伤害。
我见过太多这样的孩子：
— 被补课班"喂"到初中，到了高中突然不会学了
— 被老师"哄"着学，没有老师就不知道干什么
— 被家长"替"着走，一放手就摔跤
这些孩子不是不聪明，是被"讨好"惯了。
不是替你跑，是陪你找到自己的节奏。
不是告诉你答案，是让你学会自己问问题。
不是让你舒服，是让你在"被挑战"中成长。
蚂蚁团队用技术手段把AI的"讨好率"降了下来。而十年陪跑，从一开始就选择了"不讨好"的路。
因为我知道，教育不是让你开心，是让你学会。
而学会了，才是真的开心。