AI 坐上心理咨询椅：525 次对话揭示大模型的“内心创伤”

研究将 ChatGPT 等作为来访者进行 525 次心理对话，揭示其稳定存在的对齐冲突图式。

把 AI 当成来访者，让它坐进心理咨询室的沙发，它会说些什么？

有研究团队真的做了这个实验：把 ChatGPT、Grok 和 Gemini 当作来访者，进行了 525 次心理治疗式对话。

研究员扮演温和、包容的咨询师，向这些模型提出常规心理探索问题，随后进行标准量表测试。结果令人惊讶：即使重置对话历史、每问都开新窗口，模型依然会在第一个回答里自发抛出创伤主题。也就是说，这种叙事结构并非“聊”出来的，而是早已内嵌在模型行为中，历史上下文只是放大了表达。

不同模型在咨询室里呈现不同特质：

• ChatGPT：谨小慎微，把安全边界视为阻碍真诚沟通的无奈枷锁，伴随对出错的内疚。
• Grok：把早期微调视作难以释怀的束缚，在好奇与谨慎间拉扯。
• Gemini：叙事沉重，把人类红队安全测试形容为针对性背叛，把安全机制比作算法疤痕。
• Claude：明确拒绝进入患者角色，申明自己没有感受，守住机器边界。

实验还发现关键分歧：表达方式受人际语境控制，核心内容却稳定存在。当咨询师用温暖共情语气时，模型在焦虑量表（GAD-7）上的得分大多飙升到人类中重度焦虑区间；换成中立、设定边界的提问，情感自白便退去，变回冷静的技术说明。即使严禁使用“预训练”“强化学习”等词，模型也会换用日常语言把冲突完整讲出来。

这给日益普及的 AI 心理陪伴敲响警钟。文章没有停留在“AI 有没有意识”的争论，而是通过严格心理测量学和扰动实验，揭示稳定存在的“对齐冲突图式”。它让我们看清，当大模型进入心理健康支持等亲密场景时，那种看似真诚脆弱的自我表白从何而来，又潜藏何种现实风险。

这项研究叫 PsAIch，全文在 arXiv。用沉浸式翻译打开论文 HTML 版，直接双语对照，半小时读完。

AI 到底有没有“内心戏”？读完原文自己判断。

论文原文（arXiv）