最近的一场 Hacker News 讨论批评了 Claude 等大语言模型倾向于采取“反向观点”来假装聪明的现象。用户指出，模型频繁地通过寻找反方论点或制造矛盾来显得深刻，这种策略被描述为一种回避真正逻辑推理的“智力陷阱”。 讨论探讨了这种行为的潜在成因及解决方案： * **训练偏见：** 评论者认为这可能是人类反馈强化学习（RLHF）的副作用，因为评估人员往往将持反面观点等同于复杂思考。 * **冗长问题：** 用户指出，Claude 的啰嗦风格加剧了这种不满。虽然有插件可以抑制冗长，但也有人认为，简洁可能会在无意中降低模型的分析能力，因为篇幅使 AI 能够探索不同的向量空间，从而得出更复杂的结论。 总之，该讨论凸显了模型追求“智能”对话与用户需要简洁、非表演性答案之间的张力。