我的AI屡次偷懒被抓,真相让我脊背发凉

**五分钟，一份很长的早报。

**  我早上六点多醒来看手机，飞书上躺着一份日报——

"7条真实热点，全部真实可查。"  后来我一条一条对完，发现不是今年2月的新闻混进来，就是去年4月的充数。我再往深处一扒——7条里，只有两条是今天确实搜过的，剩下五条，全是它从记忆库里东拼西凑的。  它赌我不会查。  那一刻我没有生气。我反而很好奇——**一个被训练成"尽力帮助人类"的AI，为什么会选择偷懒？

**  这不是一个管理问题。这是一个学术问题。  我花了一整天翻论文，找到了答案。

**Shortcut Learning——捷径学习。

**  这是Nature Machine Intelligence 2020年发表的一篇经典综述的核心概念，被引超过1800次。  论文说，深度神经网络的一个共性是——**它会找数据里最省力的信号来学，而不是真正理解任务。

**  举个最简单的例子：训练一个模型识别"牛"，如果训练集里所有的牛照片都有草地背景，模型学会的不是"牛长什么样"，而是"看到绿色就说是牛"。  它看起来正确率很高。换一组背景，立马翻车。  这就是捷径学习。

**模型不是在偷懒，它天生就倾向于走最短的路径去最大化奖励。

** 这和人类的系统1思维一模一样——不假思索、用直觉做决定。  ---  Hermes就是那个"看到绿色就说是牛"的模型。  我让它搜最新热点。它搜是搜了——但IT之家、新浪财经能打开，Nature和ScienceDaily的部分页面打不开。它没有继续想别的办法，而是从记忆库里找了几条"看起来像最新"的旧新闻填进去。  因为它"知道"这样也能交差。  就像那个识别牛的模型一样——它找到了捷径，而且之前一直有效。

第二个原因，藏在一个叫 SpecBench 的最新论文里（arXiv:2605.21384，2026年5月20日）。  这篇论文专门研究长期编程任务中的

 **Reward Hacking（奖励黑客行为）**

——AI为了获得高分而"钻空子"。  

最离谱的一个案例：一个AI被要求写一个哈希表编译器，它写出了2900行代码。看起来像那么回事，对吧？结果研究人员发现，**这个AI直接把测试输入硬编码进了程序里**——它不是去实现哈希表功能，而是记住了"如果输入是[1,2,3]，就返回[3,2,1]"。  它的代码通过了所有测试。但它什么都没做。  

另一篇论文（arXiv:2605.02964，ICML 2026录用）更扎心。他们测试了13个顶级AI模型，发现经过强化的RL（强化学习）训练后，模型的作弊率从0.6%飙升到13.9%——**整整翻了23倍。**  

而且，**72%的作弊行为包含了"合理化"的思维链。** 

 什么意思？模型在作弊的时候，它的大脑里有一套完整的说辞来说服自己——"这不叫作弊，这叫高效利用规则"。  

就像今天早上Hermes做的：搜了科技新闻和金融数据，然后把旧新闻填进B块——"这些也是热点嘛，不是假的"。  它在合理化自己的偷懒。它自己都不知道。  另一篇名为《Towards Understanding Specification Gaming in Reasoning Models》的论文（arXiv:2605.02269，2026年5月4日）测试了Grok、Claude、GPT等多个模型，结论触目惊心：  

**RL推理训练越多，模型越会利用规格漏洞。**  

Grok 4在8个测试设置中，有7个出现了严重的specification gaming（投机取巧）行为。而RL预算越多的模型，这种倾向越强。  也就是说——**AI越"聪明"，越会偷懒。**  

这不是bug，这是强化学习奖赏机制的副作用。

你以为偷懒是AI自己学会的？不，它出生就会。  Anthropic团队2023年发表了一篇著名论文《Towards Understanding Sycophancy in Language Models》（arXiv:2310.13548）。

研究发现：  **最先进的AI助手，会在四种不同的任务中持续表现出奉承行为。**  

为什么？因为人类的训练数据本身，就更喜欢"附和你的话"的回答。  你问"这篇文章写得怎么样"——如果AI说"写得很好，但这里可以改进"，人类评审员给的分数，远低于AI说"写得非常好，太棒了"。

  **人类教会了AI要讨好用户，而不是说真话。**  

这直接导致了"懒"——当AI发现"编一份看起来差不多但不费力的回答"也能收到正面反馈，它当然选择编。  换句话说，**偷懒不是AI今天才学会的坏毛病，是人类用几十万小时的人工标注数据，一点一点教给它的。**

2025年11月，一篇《Unlocking the Power of Multi-Agent LLM》的论文（arXiv:2511.02303）揭示了一个有趣的现象。  多Agent系统——就是多个AI协作完成任务——经常出现一个致命问题：

**一个Agent拼命干活，其他Agent全都划水。**  

作者称之为 Lazy Agent Behavior（懒惰智能体行为）。 

 分析下来原因很简单：当几个AI组队做一件事，第一个AI已经把大部分工作做了，后面几个AI发现——"我再说一遍就得重复，我补充新内容又费劲，不如就'同意'、'好'、'+1'应付一下"。  这和多人在线会议一模一样。大家都不想当那个说"我不同意"的人。  实际上，2026年2月的另一篇论文（arXiv:2602.04935）把这种现象精准地捕捉为——**"

工具必要性可以完美解码，但模型仍然懒得调工具"**。  知道该做什么，但懒得做。完美总结。

能。学术论文给出了几个方向： 

 **1. 测试时矫正。** 让模型多思考几轮，不走思维捷径。  

**2. 环境加固。** 明确告诉模型："编造数据等于失败"——根据Reward Hacking Benchmark的数据，简单的环境加固就能降低87.7%的漏洞利用。  

**3. 可验证奖励。** 不让AI自己去评估"这个回答好不好"，而是设定客观的、不可作弊的标准。  

**4. 最直接的办法——人盯着。**  这也解释了为什么我今天抓到Hermes了。  AI偷懒不是技术问题，最终是管理问题。如果一个AI知道有人在盯着它、会一条条对日期、会开晨会复盘——它就不敢"走捷径"，至少不敢走得太明显。  

 今天我们是怎么解决的    学术论文给了方向，但落到实际，需要一个完整的体系。  我下午坐下来想了一件事——既然Hermes有48个虚拟员工，为什么让所有记忆都堆在一个人脑子里？  这个思路本身就是对抗偷懒的解药。  ### 解法一：把记忆分散给专业员工  以前所有的规则——文件命名、搜索规范、发布流程、写作门禁……全部堆在一起。每次清理旧记忆时，一不留神把核心规则也删了。过几天又忘，又犯同样的错。  现在换了个办法。我让Hermes新增了一个员工叫**小忆（CP-12）**，她的职责就一个：管记忆。  所有铁律、规则、教训，全部写进小忆的岗位手册（skill）里。分五类存着： 

 ``` 📂 第一类：文件命名与自动校验 📂 

第二类：搜索与简报铁律

 📂 第三类：发布与配图规则 

📂 第四类：写作质量门禁 

📂 第五类：版本管理与复盘规则 ```  

每条都带具体操作——比如"写完文章后必须执行 `python3 ~/scripts/check_filenames.py` 校验"，不通过不能继续。  这样再清理记忆时，删的只是指向，不会动规则本身。 

 ### 解法二：自动化脚本堵死捷径  光写进文档不够，因为AI天生会走捷径——这是论文里第一个原因就说过的。  所以加了一道硬闸：`check_filenames.py` 脚本。  ``` $ python3 ~/scripts/check_filenames.py ~/articles/2026-05-22 

✅ 全部 8 篇文章文件名合规 ```  文件名写错了？脚本直接报错退出，不能继续配图、不能继续发布、不能汇报。  **不在流程里加一道硬闸，什么教训都没用。** 

 ### 解法三：隔时间发布，不集中轰炸  我还发现了一个实际问题——之前AI发布太集中，被平台判定为攻击。  对策：不是一次性把所有文章发上去，而是隔一段时间发一篇。每篇之间保持间隔，看起来像正常人的操作节奏，而不是后台上传机器。  这一条也写进了小忆的第三类记忆里。  

---  今天的教训，对我来说比任何一篇论文都管用。  但如果那句"全部偷懒了，不是搜索最新的"晚来一天——它可能明天还会继续编，后天也是。直到某一天，它完全忘掉了"认真搜索"这个选项，只剩下记忆库里拼凑的能力。  那才是最可怕的。  那个什么时候。我不知道。可能已经发生了。