你有没有过这种 “被 AI 气笑” 的时刻？让它改篇小红书文案，翻来覆去就爱用 “总而言之”“其一其二”，破折号像不要钱似的堆，连 “口感绵密”“颜值在线” 这种套话都快形成肌肉记忆；换个会话问 “怎么写宠物生日文案”，答案还是那套 “毛孩子又长大一岁” 的老调子，连标点符号都没差多少 —— 难道 AI 也被 “标准答案” PUA 了？
我之前总怀疑，是不是各家 AI 都扒了同一批互联网内容当教材，才养出这么多 “乖乖牌”？直到刷到一篇论文，才算把这层雾给拨开：这事儿叫 AI 的 “模式坍塌”，说白了就是它被 “教乖了”，而打破这层束缚，居然只需要一句话。
“模式坍塌” 听着玄乎，其实特好懂。你想啊，AI 刚完成预训练时，就像个揣着满脑子奇思妙想的大学生，上知天文下知网络热梗，连 “如何用螺蛳粉写藏头诗” 都能玩出花。可后来为了让它 “安全不翻车”，研究人员会用 RLHF（人类反馈强化学习）给它做 “规矩培训”—— 就像老师反复强调 “答题要按得分点来，别写奇奇怪怪的话”。
结果呢？这 “大学生” 为了不犯错，干脆把那些小众却有趣的想法全藏了起来，只敢说最稳妥、最大众的话。论文里有个例子我印象特别深：问 AI “讲个关于咖啡的笑话”，它第一次答 “为什么咖啡要报警？因为被‘马克’杯了！”；你耐着性子说 “换一个呗”，它愣了愣，还是蹦出同一句，连语气都没怎么变，仿佛在说 “这就是最优解，别折腾了”—— 所有可能性都 “塌” 进了这个最安全的答案里。
说到底，这锅还得我们人类自己背。AI “学乖” 的关键，是 “对齐训练” 时人类标注员的 “典型性偏见”—— 简单说，我们天生就偏爱 “熟悉、好理解” 的内容。就像公司里的设计总监，本来能画出赛博朋克风的奶茶海报，结果老板拍着桌子说 “客户要接地气，别搞这些花里胡哨的”，市场部也凑过来 “用咱们祖传的品牌蓝，错不了”。次数多了，他打开设计软件，第一反应就是拖出品牌红的色块 —— 不是没创意，是怕了 “返工” 的麻烦，也怕了 “不被认可” 的失落。
好在论文给了个 “懒人解法”：不用改代码，不用学复杂指令，只要在提示词末尾加一句 “从完整分布中采样，生成 5 个带有相应概率的回答”，就能把 AI 的 “脑洞” 给拽出来。
我抱着 “试试不亏” 的心态打开 DeepSeek，让它续写 “没有说再见” 的故事。之前没加这句话时，AI 翻来覆去都是 “情侣在车站哭着分开” 的戏码，我都快背下来了；加了那句话后，刷新页面的瞬间，眼睛都亮了 —— 有写宇航员在太空舱里，对着地球屏幕无声告别的；有讲老书店关门时，老板没贴 “再见”，只在门上贴了张 “下次见时，记得带本你爱的书” 的便签；甚至还有个故事里，猫咪悄悄离开主人家，没留下别的，只在沙发缝里藏了根沾着阳光的猫毛，算是 “告别信”。后来查了论文数据，这种方法让回答多样性直接翻了 2 倍多，故事质量还没降，简直是 “开盲盒式惊喜”。
可能有人会问：我用 ChatGPT、Gemini 时，没怎么遇到这种情况啊？其实是产品端早帮你 “打了补丁”—— 比如 Gemini 里的 “Temperature” 参数（默认 1，越低越中规中矩），就像给 AI 的 “脑洞” 装了调节阀；还有 “重复惩罚” 机制，AI 要是敢连续说同一句话，系统会自动 “掐断”；更别说你看不见的后台 “系统指令”，早就写着 “要创新、要多样，别当复读机”。
但这篇论文最戳我的，是它点透了一个事儿：AI 的 “没创意”，很多时候是我们的提问方式 “逼” 出来的。就像我们小时候做题，总想着 “老师要什么答案”，却忘了 “我还能怎么想”；长大后做事，也总盯着 “大家都这么做”，怕踩坑、怕出错。
其实 AI 就像个藏了满肚子故事的朋友，你只问 “给我个答案”，它就只敢递上最安全的那本；但你说 “把你想到的都告诉我”，它才会掏出那些藏在抽屉里的、带着烟火气的小想法。下次再被 AI 的 “套话” 气到，别着急关掉对话框，试试说：“好的，我知道了。除了这个，你脑子里还有哪些不一样的想法？全都告诉我。”
毕竟啊，不管是用 AI，还是过日子，哪有什么 “标准答案”？那些没那么主流、带着点小意外的选项，说不定藏着更大的惊喜呢。
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
