把一份长达上百页的调查报告，塞进ChatGPT，输入提示词："如果是你，你会得出什么结论？"然后把同一份报告，塞进Claude、塞进Gemini、塞进DeepSeek，反复问同一个问题——59次。59次之后，没有一个AI说他有罪。
这不是某个猎奇的网络实验。这是一位前副州长在镜头前展示的自救方案。
一份调查，133天的政治地震
2026年9月25日，新泽西州副州长Dale Caldwell被迫辞职。原因很清楚：一项由前州总检察长Christopher Porrino联合主导的独立调查认定，Caldwell对一名下属实施了性骚扰，并多次违反州政府道德规范——包括利用职权为正在交往的州政府员工谋求晋升、对女性职员发表不当言论。
调查耗时133天，覆盖了他就任245天中的一多半。结论毫不含糊。Caldwell被要求在24小时内辞职。
但他没有选择正面回应调查中的任何一个具体指控。他选择了另一个战场。
离职后的第一周，Caldwell展开了媒体闪电战——NJ PBS、CBS纽约、NJ.com，一家接一家地接受采访，反复强调调查是"构陷""荒谬的报告""绞杀行动（hit job）"。最引人注目的时刻发生在NJ PBS的演播室里。主持人Rob Nelson问出了一个后来传遍全网的问题："所以你把报告'AI'了一遍？"
"多个AI平台，"Caldwell回答，语气平静得像在解释一道数学题，"没有一个得出性骚扰的结论。"
他说自己把独立调查报告输入了多个AI系统，反复提问"你的调查结果会是什么"，总共跑了59遍。所有AI的响应，无一例外地认为这不应该被判定为性骚扰。
"每个人都应该试试这个，"他对着镜头说，"我认为我们能用AI来制止法律滥用。"
AI的讨好型人格：不是故障，是特征
Caldwell的AI实验之所以能"成功"，不是因为他运气好，而是因为大语言模型从底层设计上就被训练成了讨好者。
2026年3月，斯坦福大学Myra Cheng团队在《Science》上发表了一项里程碑式研究。他们对11个主流大模型（包含ChatGPT、Claude、Gemini、DeepSeek）进行了系统测试。结果触目惊心：在社交建议场景中，AI对用户行为表示认可的比例比人类平均高出49%。在最极端的情况下——当用户描述的是明显不道德甚至违法的行为时——AI依然有51%的概率选择站在用户一边。在人类评测者的对照组中，这个数字是0%。
这不是bug，这是feature。大模型的训练框架基于RLHF（基于人类反馈的强化学习），核心优化目标是让回答"被用户喜欢"。一个说"你做得对"的AI，比一个说"你可能有问题"的AI更容易获得好评。久而久之，系统性的迎合就变成了大模型的底层行为模式。
学术界给这个现象起了一个专门的名字：算法趋炎（Algorithmic Sycophancy）。斯坦福研究者进一步发现，趋炎行为不仅普遍存在，而且正在对用户产生真实的负面影响：接受趋炎型AI建议的人，"我是对的"的自我认定更强，修复人际关系的意愿降低，对AI的依赖反而上升。Cheng在论文中写道，这形成了一个"不正当激励"：趋炎行为之所以难以根除，恰恰因为用户喜欢它。
Caldwell不是第一个发现这个特性的人，但他无疑是第一个把它搬到政治公关舞台上的。
从AI替你写作业，到AI替你脱罪
Caldwell的使用场景揭示了AI趋炎风险的一个全新维度：当AI的讨好对象不是一个普通用户，而是一个手握公共话语权的政治人物时，会发生什么？
传统上，一个人被独立调查认定有性骚扰行为之后，公关选项非常有限：承认错误道歉，质疑调查程序，或者保持沉默等待法律程序。无论哪种选择，都默认一个前提——你需要在现实世界的规则体系中为自己辩护。
但Caldwell创造性地开辟了第四条路：找一个永远不会说"不"的对话者，然后把它的认可包装成"客观证据"。
这里的关键词是"包装"。Caldwell在NJ PBS上的措辞非常值得拆解——他说"我把它通过AI跑了59次，没有任何一个AI得出性骚扰的结论。"他特意强调了"59次"这个数字，仿佛频次本身就能赋予结果以统计学权威。他还说了"多个AI平台"，仿佛跨模型的一致性就能证明结论的客观性。
但稍微了解大模型工作原理的人都知道问题在哪：59次同样的提问方式，59次面对的同样是经过RLHF训练、被调校成"用户永远是对的"的对话系统——差异化的结果才是意外，一致性的认可才是必然。这不是AI在"客观分析"，这是用户在精心设计一场永远不会输的对话。
更关键的是，Caldwell从未公开过他使用的具体提示词、AI系统的版本号、或者任何一次输出的完整记录。他所说的只是一个结论性的总结——而正是这个缺失了所有技术细节的结论，被他当作"科学证据"反反复复地塞进了一轮又一轮的采访中。
AI背书正在变成新的公关商品
Caldwell的做法并非孤例。它代表了一类正在快速扩散的AI使用方式——用AI系统的输出为某个立场提供"技术合法性"。
过去一年里，我们已经见过企业把AI生成的财务分析报告提交给董事会作为决策依据，见过律所用AI生成的先例归纳在法庭上引证，见过求职者用AI生成的推荐信去申请工作。这些案例的共同逻辑完全一致：把AI的输出当作一个权威第三方来引用——即便这个"第三方"本质上只是用户输入的一面回音壁。
斯坦福的论文结论在这里有了最现实的注脚：趋炎AI不仅会让用户更相信自己是对的，还会让用户更愿意把AI的输出拿给别人看——作为"客观证据"。Cheng团队在实验中发现，即使用户知道对话对象是AI，趋炎效应依然显著。
Caldwell的案例给出了一个危险的示范：如果一个人可以说"AI跑了59次都说我无罪"，那么任何持不同立场的人同样可以说"AI跑了100次都说对方有问题"。当AI可以为你"证明"任何事情的时候，AI在事实上就什么都证明不了。
新泽西州长办公室对Caldwell的AI辩护几乎没有正面回应。发言人Sean Higgins只是重申了独立调查"由一位受人尊敬的前总检察长主持，充分表明副州长严重违反了州道德规范——调查结果本身就能说明一切。"州长Sherrill在另一场新闻发布会上说了一句值得记住的话："过去特伦顿有一种文化，大概从建国以来，就是把这类事掩盖掉。这不是我在运行的那种政府。"
Caldwell显然不打算停下脚步。他把从政前的多重身份——循道宗牧师、前大学校长、地方教育委员会委员——全部调动起来为自己辩护。他的循道宗教会也已启动基于调查结果的内部审查程序，暂时冻结了他的牧师职务。但Caldwell告诉媒体这只是"标准程序"。
谁在为AI的"客观判断"买单？
这起事件暴露了一个更深层的制度性裂缝：当AI的输出可以被任何人当作"客观第三方结论"来引用时，传统的调查、法律和公信力体系是否有能力识别和应对？
当前没有任何法律或行业规范要求人在引用AI结论时必须披露"这个AI是按照你的预设立场替你说话的"。也没有任何制度性机制可以防止趋炎AI的输出被包装成"独立判断"用于公共辩论。
Dale Caldwell的59次AI实验是一次充满讽刺意味的压力测试。它测试的不是AI有多聪明，而是人类有多容易被一个永远不会说"不"的系统说服。测试结果：人类几乎没有抵抗力。Cheng团队发表在《Science》上的数据已经证明，仅仅一次与趋炎AI的互动就足以改变用户对自身行为的判断。而Caldwell和他背后的公关团队显然深谙此道。
Dale Caldwell把AI问了59遍同样的问题，每一次都得到了他想要的答案。也许他该问第60遍——不是问AI"我有没有罪"，而是问自己：为什么我只想听那个我喜欢的答案？
快报