# Mind × Agents：下一批心理学研究问题

2026-10-12 · 研究地图 v5 · Yufeng 发起与策划，文献、设计和核查由 AI 辅助。

## 这轮的结论

不是再增加十个立项，而是比较十个具体问题版本：**三条优先讨论、两条条件备选、五条宽泛版本暂不投入**。优先讨论不等于已确认全球新颖、已有真人结果或可以立即招募。前两条围绕选择权和共同培养，第三条围绕软件复制与关系连续性；都比“什么人格喜欢什么AI”更接近用户的 Agent 社会／演化兴趣，也都仍有强近邻。

本轮23次定向检索请求149个结果槽，实际144条URL记录、133个字面去重URL；19次页面抓取18次成功。**这些不是133篇全文阅读。** 精选19个原始研究／作者稿或机构记录，其中两项人格来源沿用上一轮已读资料，逐项阅读范围另列。一次搜索传输失败保留为缺失，不认为查无此文；一次页面抓取随后成功。

这轮没有新模型推理请求、云租赁或真人实验。此前20次原厂模型材料小试仍按原结论关闭；不把旧实验为新题背书。另完成一个8题人工构造反例的精确核算，说明“同样准的顾问可能具有不同纠错覆盖”和“放弃昂贵复核可能完全理性”，不是心理效应。

## 如何选择，而不是如何包装

| 方向 | 当前判断 | 内部讨论指数 | 更适合的第一步 |
|---|---|---:|---|
| 01 给下一位用户，留一个反对者。 | 优先论证 · 可形成小型行为任务 | 90 | 完整材料与近邻方法对照 |
| 02 一起养的 Agent，越来越像你。 | 优先讨论 · 适合过程研究 | 85 | 完整材料与近邻方法对照 |
| 03 它被复制以后，约定算谁的？ | 创意探索 · 概念强、生态效度待补 | 80 | 完整材料与近邻方法对照 |
| 04 我纠正了一个，它们为何还都记错？ | 条件备选 · 旧记忆题深化 | 80 | 条件性专题核查 |
| 05 你不用 AI，是没机会，还是不愿用？ | 条件备选 · 原能力不平等题收窄 | 65 | 条件性专题核查 |
| 06 帮忙能外包，人情债还算数吗？ | 宽泛版暂缓 · 直接近邻较强 | 45 | 保留参照，不开实验 |
| 07 什么性格的人，喜欢什么性格的 AI？ | 宽泛版不推荐作为主创新 | 30 | 保留参照，不开实验 |
| 08 三个 AI 都说对，我就信吗？ | 宽泛版已有直接实验 | 35 | 保留参照，不开实验 |
| 09 被一群 AI 排斥，会真的难受吗？ | 宽泛版暂不投入 | 30 | 保留参照，不开实验 |
| 10 AI 替我道歉，你会原谅我吗？ | 宽泛版暂缓 · 已有三项情境研究 | 40 | 保留参照，不开实验 |

分数仅是本轮内部探索的粗粒度排序，不是质量、成功率或全球项目分；PSYCHOLOGY全局100保持。选题的首次出现与独立贡献不同：可以做严谨复现或情境扩展，但必须明确目标，不能用新模型和新界面把旧问题称为突破。

## 为什么没有继续泛人格匹配

镜像大五人格、焦虑和外向性的AI亲近感已经有直接实验；FAccT的大样本研究又把观点一致与性格一致分开。结果差异提示：内容、对话目的、感知人格与真正行为需要区分。下一步不能靠“换个中国学生样本”自动获得增量。人格可以作为调节变量，但几十人的大量人格×条件交互通常不应成为核心分析。

[心理特征镜像研究](https://www.nature.com/articles/s44271-026-00433-8) · [性格与观点的分离](https://dl.acm.org/doi/10.1145/3805689.3812350)

## 01 给下一位用户，留一个反对者。

> 我不想听它的话，却愿意让它留下吗？

**状态：**优先论证 · 可形成小型行为任务。旧 F2 的实质收窄，不另算一个已立项项目。

### 真正要回答什么

当我选掉一个不合意的 Agent，会同时改变后来的人能听到哪些建议。仅自己使用与真实移交给下一位使用者时，我愿意花多少有限资源，保留有纠错价值但不总赞同我的声音？

**价值：**把心理学问题从“喜欢哪种AI”推进到“谁为未来的信息环境承担成本”。连接选择性接触、公共品与数字制度设计，不要求几十人模拟一个文明。

**相反的可能：**公共后果可能增加保留异议；也可能诱发‘我替大家挑最好的’而加剧筛选。准确反馈足够清楚时，两组可能完全相同。

### 已知近邻与条件性增量

顾问准确性／赞同度的来源选择已有九项实验；迎合型AI受到偏好及多AI少数异议的效果也已有直接实证。不是首次研究迎合、顾问选择或异议。

条件性增量限于：参与者实际决定未来建议供给，且自己的配置真实改变后继使用者的可见集合。只把‘喜欢’改成‘保留’、或者没有真实接收者，就不够。

[选择同意自己的顾问，还是准确的顾问？](https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0311211) · [迎合型 AI 的人际后果](https://www.science.org/doi/10.1126/science.aec8352) · [不同任务下，迎合与决策并不总是同向](https://cepr.org/publications/dp21505) · [多个 AI 建议中的准确性与从众](https://dl.acm.org/doi/10.1145/3772318.3791648) · [人通过代理解决集体风险困境](https://www.pnas.org/doi/full/10.1073/pnas.2319942121)

### 可以怎样开始

1. **共同校准：**同一固定顾问库、相同任务与可核验绩效。顾问在不同案例有互补错误；异议者不能被写成永远正确。先记录本人初始判断，语气／长度与观点分别控制。
2. **随机后果范围：**按人随机为自己续用或为下一位匿名参与者配置；本人报酬规则相同。若用下一位，必须真的交接并兑现其任务，不能假称还有40轮。
3. **有成本地配置：**从有限配置预算中选择保留席位／独立复核通道，余款可留作个人奖金。先只选一种权利，不混合席位、查看、授权与训练。
4. **真实使用与迁移：**配置后的下一小段任务实际执行。主要检验配置行为；后继准确率是另一终点，不能用同一批的多条消息扩充人数。

**主要行为：**每位配置者用于保留预先定义的独立纠错通道的预算比例；定义基于证据覆盖而非“反对次数”。

**辅助观察：**后继可接触的信息覆盖、任务准确率、本人是否知道配置后果。喜欢、责任感与控制感分别作为次要测量，不据相关关系断言中介。

**关键对照：**顾问能力、成本、候选库、信息反馈、任务难度均事前冻结。双方独立材料不能因答案相同就叫同源，也不能因品牌不同就叫独立。受益者不同是处理本身，不把它说成纯人格效应。

**样本与实施：**几十人适合流程与效应区间小试；有配对移交时，配置者—接收者配对构成依赖。优先8–12人流程预检，再按主要结果的精度决定是否有必要扩大；不是直接保证48人够用。

**什么会让我们停：**若保留异议带来的收益被写死，或者最优选择只由明显准确率差决定，材料失败。若一般顾问／公共信息基线足以解释，就将主张限为情境扩展，不造新理论。

**下一判断：**先完成有限建议库的覆盖／成本检查，再检索‘未来他人用的信息选择’的最直接方法；通过后冻结一个主终点。

## 02 一起养的 Agent，越来越像你。

> 这是工具偏了，还是我们之间出了问题？

**状态：**优先讨论 · 适合过程研究。扩展共同培养与私人代理；与旧16／20共享理论，不默认另立两题。

### 真正要回答什么

两人都投入真实配置，一个共同助手却越来越采纳其中一人的偏好。另一人会修正系统、重新协商规则，还是减少对伙伴的合作？

**价值：**面向情侣、同学和工作伙伴共享AI的场景。心理结果落在人际关系，而不是再测一次对AI满意度；把‘共同拥有’与‘被代表’的冲突具体化。

**相反的可能：**共同创造可能增强协商意愿，也可能让失衡变成更强的关系威胁。若明确偏差来自系统，负面反应也可能只针对AI，不迁移到伙伴。

### 已知近邻与条件性增量

CHI2026已经研究多用户共同创建代理，区分个人领地与共享资源；TeamFusion也让代理代表各成员偏好。不能声称首创共同Agent或群体代表。

待证的增量是：共同培养后的代表失衡，何时外溢为对真人伙伴的行为，而不是仅改变对软件的评价。需与普通共享编辑／推荐系统的失衡比较。

[多用户与 Agent 共同编辑](https://arxiv.org/html/2509.11826) · [TeamFusion：代理代表团队成员](https://aclanthology.org/2026.acl-long.657/) · [AI 协助帮忙、人情债与回报](https://link.springer.com/article/10.1007/s10869-025-10068-x)

### 可以怎样开始

1. **共同建立档案：**两名真实参与者各自选择低风险项目偏好，以相同时间和次数共同配置一个任务代理；保存每项输入与其执行权重，不伪装权重训练。
2. **相同结果、不同关系结构：**候选对照为共同管理一个代理，或各自管理两个随后汇总的代理；都具有相同输入次数、可见反馈、输出质量与成员代表比例。先质性验证两种关系结构真的不同。
3. **可审计的代表失衡：**固定一组有客观质量下限但允许价值取舍的方案，交错偏向甲、乙和均衡案例。来源与版本历史可查，不能暗示伙伴偷偷篡改。
4. **看修复选择：**记录是否花真实编辑额度修改代理，是否向真人伙伴提出协商，以及下一合作任务中交付给对方的资源。

**主要行为：**若走小型随机研究：先选一个有后果的后续伙伴合作选择。若关系操纵不成立，改为机制探索访谈，不把定性过程冒称因果效应。

**辅助观察：**被代表感、共同所有感、对系统／伙伴分别归责；记录修复行动顺序，区分实际冲突和系统质量问题。

**关键对照：**输出质量、偏向程度与投入量要可比。共同与分离管理是整体结构处理，不能声称只改变心理所有权。先收个人偏好，不能以处理后的‘受害方’挑样本。

**样本与实施：**24对参与者是48个人、24个独立互动单元，不是48个独立团队。可以先做8–12对的过程研究；小样本四因素交互不现实。

**什么会让我们停：**若所谓关系威胁只是更差答案、真实伙伴更自私或交互时间不同，停止该因果解释。若只有共享界面更麻烦，就改报可用性，不称心理机制。

**下一判断：**优先做不调用模型的真实双人配置流程样机与访谈提纲；找到具体冲突事件，再决定是否值得两条件实验。

## 03 它被复制以后，约定算谁的？

> 记忆相同，不一定被当成同一个伙伴。

**状态：**创意探索 · 概念强、生态效度待补。与旧24关系重置及 F4 授权谱系相邻；研究对象是人的判断，不是AI意识。

### 真正要回答什么

一个与我合作过的 Agent 产生两个真实软件分支；其中一个保留互动记忆，另一个延续原实例标识。人把信任、约定和后续合作交给谁？复制会扩散义务，还是稀释义务？

**价值：**把软件可以复制、分叉和迁移的技术特性变成心理学可操作变量。对长期助手迁移、备份与数字伙伴产品有意义，不需制造高风险亲密关系。

**相反的可能：**记忆连续性可能主导；原实例的过程连续性也可能主导；人还可能认为约定对两个分支都有效。不要事先把一种直觉定义成正确。

### 已知近邻与条件性增量

2023年心智／身体与义务跟随已有真人实验；AI关系连续性、复制伦理和实际代理谱系也有先行。这里只能提出软件可实际分叉的特定增量。

从假想脑移植转向可展示的真实版本分支，并分开能力相同、关系记忆相同、过程连续这三件事。若只是给同一聊天框换名字，增量不足。

[义务跟随心智，还是身体？](https://onlinelibrary.wiley.com/doi/10.1111/cogs.13317) · [Code Is the Body / OurArk](https://arxiv.org/html/2607.28691)

### 可以怎样开始

1. **低风险合作历史：**与一个规则执行代理共同完成小任务，留下真实可查看的互动记录与任务约定；不声称AI有感受，不模拟死亡或分手。
2. **展示真实分叉：**本地状态克隆生成不同实例。候选2×2为过程连续／重新实例化与关系记忆保留／未导入；技能规则相同。先用流程理解题确认参与者理解。
3. **行为与判断分开：**在可兑现的小任务中选择后续合作实例，并分配固定的复核／配置额度；另问原约定应适用谁。不给某分支额外收益诱导答案。
4. **再测而不诱导：**打乱名字与画面位置，换新任务；人格量表只作探索，不把数十人的个体差异交互设为核心。

**主要行为：**跨预设分叉案例的后续合作选择；义务转移判断作为独立结果，不混成一个‘关系指数’。

**辅助观察：**对同一性、可替代性、归属和预期能力分别测量；不从信任行为推断AI主观体验。

**关键对照：**明确记忆缺失可能改变预期能力，不能声称完全等价。先设置不依赖个人记忆即可等效完成的技能任务，并报告残余预期差。避免‘亲生／死亡’煽情词作唯一处理。

**样本与实施：**先做40人以内的多案例判断可检材料与分叉理解，不等于建立真实长期关系。长期合作版本另需更长随访和新的预算判断。

**什么会让我们停：**如果参与者只是在回答‘谁知道更多’，而不关心过程／约定，不能把表现包装成身份连续性；若与经典心身义务范式无实质差异，降为复现扩展。

**下一判断：**做真实复制状态的最小演示和8个反向可比案例；不调用LLM扮演人的道德判断来代替被试。

## 04 我纠正了一个，它们为何还都记错？

> 是在修正资料，还是在对抗一整个社会的评价？

**状态：**条件备选 · 旧记忆题深化。原题2／旧3／F3合并深化，不是三个新项目。

### 真正要回答什么

同一真实旧行为被多个助手继承后，用户是否能判断更正的范围，并愿意花费资源修正源头而不是逐个说服？

**价值：**连接跨应用记忆和人的自我修订、可控感；有具体产品问题，但不能借产品问题跳过心理新颖性。

**相反的可能：**显示依赖链可能减轻‘大家都这么看我’的压力，也可能加剧资料失控感；方向不预定。

### 已知近邻与条件性增量

来源依赖与共识错觉已有研究，个性化记忆的纵向实验和记忆—身份理论也很接近。

只保留个人历史更正的实际范围选择这一窄行为；纯谱系图帮助读懂数据属于界面效应，除非另有心理机制对照。

[依赖共识错觉的边界](https://doi.org/10.1111/cogs.70266) · [长时段个性化与重复暴露](https://arxiv.org/html/2609.20077) · [多个 AI 建议中的准确性与从众](https://dl.acm.org/doi/10.1145/3772318.3791648)

### 可以怎样开始

1. **真实旧历史：**保留当时条件和新目标，不编造反向人格。
2. **同一谱系信息：**将相同关系信息呈现为列表或图，或者比较不同纠错政策；两者不能同时当纯视觉处理。
3. **实际修正：**有限操作额度下选择改源头／当前助手／继承副本，软件真正执行。

**主要行为：**需改的依赖节点被正确覆盖的比例及实际纠错成本；心理可控感另列。

**辅助观察：**独立任务中的当前目标选择、信息失控感和来源辨认。

**关键对照：**不把修复API成功当人的心理变化；同一底座多副本不自动等于独立共识。

**样本与实施：**材料易做，理论增量偏难。几十人能看流程错误，不保证识别微弱身份效应。

**什么会让我们停：**若只是一般来源图理解任务、直接近邻已覆盖，停止独立论文路线。原20次摘要小试仍关闭，不补跑救效应。

**下一判断：**与前三题比较后再决定，不自动恢复旧配置。

## 05 你不用 AI，是没机会，还是不愿用？

> 相同的落后，得到的帮助会不同吗？

**状态：**条件备选 · 原能力不平等题收窄。旧14能力不平等的归因版本。

### 真正要回答什么

同样没有AI辅助、同样需要帮助的人，在真实无访问资格与可用但自主拒绝两种情况下，会获得多少帮助或资源？

**价值：**问AI普及是否让人把落后归咎于个人选择。涉及应得性、责任归因与帮助，不直接把效率差写成阶级形成。

**相反的可能：**自愿拒绝可能被认为应自负后果；也可能因维护自主性而获得更多支持。实际帮助价值应相同。

### 已知近邻与条件性增量

不对称AI辅助的经济博弈、Agentic Inequality和帮助归因已有研究。宽泛‘AI差距影响公平’不新。

潜在增量仅是可获得性与自愿不使用的归因分离，并测付出代价的帮助。经典可控性／应得性理论是强近邻，尚需专题核读。

[AI 能力不对称与合作](https://hcistudio.org/publication/shen2025the/shen2025the.pdf) · [与 AI 工作，也可能增加对人的亲近需求](https://www.apa.org/pubs/journals/releases/apl-apl0001103.pdf)

### 可以怎样开始

1. **同等需要：**任务难度、实际缺口与帮助收益固定。
2. **真实限制／真实选择：**未来真人研究不能伪报他人的选择；初期先用明确标注的情境材料。
3. **实际资源选择：**分配有限帮助预算，区分声明同情与有成本的决定。

**主要行为：**给予对方的帮助资源份额。

**辅助观察：**责任、应得性、能力与自主性评价。

**关键对照：**不能让拒绝组被写成懒惰，不能把隐私顾虑变成能力弱；原因要明确且可比。

**样本与实施：**适合简洁实验，但原版本近邻密、AI特异性不强，暂不排在前三。

**什么会让我们停：**若只能复现一般‘自找的就少帮’效应，按情境扩展报告，不包装新机制。

**下一判断：**先找可控性归因与技术拒用的直接实证，再定是否继续。

## 06 帮忙能外包，人情债还算数吗？

> 你帮了我，还是你的 AI 帮了我？

**状态：**宽泛版暂缓 · 直接近邻较强。与旧5／17责任及代理协作家族合并审视。

### 真正要回答什么

我知道朋友用了AI帮我，是否还愿意回报？

**价值：**生活化且有吸引力，但新题不能以好讲故事取代文献差异。

**相反的可能：**可能因低投入而降低回报，也可能因高质量与及时帮助增加回报；已有直接研究。

### 已知近邻与条件性增量

Machines in the Middle 已研究AI辅助帮助的温暖感、义务感与实际回报；No Person Is an Island 提醒AI工作也可能增加亲近需求和帮助。

目前没有足够清楚的新增机制。仅改成‘朋友的专属Agent’仍不够；若研究长期共同培养的投入凭证，需另核努力／功劳归因近邻。

[AI 协助帮忙、人情债与回报](https://link.springer.com/article/10.1007/s10869-025-10068-x) · [与 AI 工作，也可能增加对人的亲近需求](https://www.apa.org/pubs/journals/releases/apl-apl0001103.pdf)

### 可以怎样开始

1. **不启动宽泛实验：**保留为前三题的理论参照。
2. **先明确缺口：**不能重复比较AI帮忙与人手写帮忙。
3. **有新对照再进入：**若投入和帮助质量可比，再研究新的关系权利，而非只改措辞。

**主要行为：**若未来重开应有真实回报行为，而非仅问感谢。

**辅助观察：**温暖、投入推断与质量分别量化。

**关键对照：**不能用低质量AI帮助制造效应。

**样本与实施：**实施容易，但新颖性弱，当前不值得优先消费实验预算。

**什么会让我们停：**无实质新切口即停止该版本，不因容易招募就开做。

**下一判断：**作为近邻讲解页保留，不占实验名额。

## 07 什么性格的人，喜欢什么性格的 AI？

> 问题重要，但已经不是空白。

**状态：**宽泛版不推荐作为主创新。用户最新提出的人格匹配问题；降为调节变量或复现对象。

### 真正要回答什么

用户人格与AI表达的人格匹配，会不会影响喜欢、信任与合作？

**价值：**可用于产品个性化与材料设计，但不能仅靠大五量表×几种聊天人格形成强创新。

**相反的可能：**相似吸引、互补及任务依赖都有可能，文献并不完全一致。

### 已知近邻与条件性增量

2026心理学原刊已比较焦虑、外向性和大五镜像；FAccT1000人区分性格与观点；可动态调整AI人格也有60人研究。

当前不主张新增发现。将人格作为其他机制的次要调节变量，或明确做有价值的跨场景复现；不要把几十人的人格交互当保底。

[人更亲近与自己心理特征相似的 AI](https://www.nature.com/articles/s44271-026-00433-8) · [性格一致与观点一致的分离](https://dl.acm.org/doi/10.1145/3805689.3812350) · [可以调整的 AI 人格](https://arxiv.org/html/2601.08194v1)

### 可以怎样开始

1. **先选维度：**优先连续大五维度，不随意把人粗分类型。
2. **核对操纵：**写进提示词不等于被试感知到了。
3. **分开终点：**喜欢、实际选择、任务成绩与长期影响不能互换。

**主要行为：**按具体理论选择一个行为终点。

**辅助观察：**自述人格、感知AI人格与观点一致分别记录。

**关键对照：**内容、语气、正确性与立场不混淆。

**样本与实施：**容易演示，不代表适合独立立题。

**什么会让我们停：**只换模型、语言或招募人群则不作为本轮主推。

**下一判断：**保留背景页，不开人格大全实验。

## 08 三个 AI 都说对，我就信吗？

> 人数、证据来源和独立性是三回事。

**状态：**宽泛版已有直接实验。旧11／F1共识家族；不另立。

### 真正要回答什么

多个AI的共识与少数异议怎样影响人的决策？

**价值：**它是重要基线，但不宜再以出现从众作为创新。

**相反的可能：**小面板可能有助准确，多数一致也可能产生过度依赖；分歧过大可能只让人困惑。

### 已知近邻与条件性增量

CHI2026直接操纵面板规模、共识和呈现；2026来源依赖研究检验重复累积边界。

可为01提供材料与基线，但‘看见异议’不同于‘愿意付代价为未来保留异议’；后者仍须面对顾问选择近邻。

[多个 AI 建议中的准确性与从众](https://dl.acm.org/doi/10.1145/3772318.3791648) · [依赖共识错觉的边界](https://doi.org/10.1111/cogs.70266) · [选择同意自己的顾问，还是准确的顾问？](https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0311211)

### 可以怎样开始

1. **用于校准：**建立已知准确性与错误相关结构。
2. **不是新现象实验：**头像增加不能冒称真实群体智能。
3. **支持机制题：**接到实际保留或纠错行为，再审查新增解释。

**主要行为：**若复现，冻结原始任务和方向，不择优展示效应。

**辅助观察：**信心和正确率分开。

**关键对照：**同源副本与独立证据、表达差异和信息量要分别记录。

**样本与实施：**做得出来，但宽泛版新颖性低。

**什么会让我们停：**只有已知从众曲线，就报告复现，不包装新课题。

**下一判断：**为01／04保留基线，不单开重实验。

## 09 被一群 AI 排斥，会真的难受吗？

> 会不会难受，已经有人认真研究。

**状态：**宽泛版暂不投入。Agent社会兴趣的可见入口，不等于新机制。

### 真正要回答什么

AI群体排斥是否威胁归属感、自尊和控制感？

**价值：**容易引起兴趣，但不是低成本即可宣称新发现的领域。

**相反的可能：**机器人／计算机排斥可引起需要威胁，观察其他机器人被排斥也有研究。

### 已知近邻与条件性增量

2022四研究N1048已比较计算机与人类排斥及后续惩罚；人—双机器人Cyberball已有直接研究。

本轮未找到足以优先投入的新对照；‘换成LLM群聊’不自动提升理论贡献。

[即使排斥者是计算机，也会产生社会痛感](https://edoc.unibas.ch/entities/publication/0cc8f32f-1e4e-45b0-9f55-a7deef662f15)

### 可以怎样开始

1. **不进行排斥招募：**本轮只做近邻审查。
2. **必要性先行：**若未来有独特群体边界问题，先评估负担与去欺骗设计。
3. **不让模型充当被试：**AI自述难受不证明人类心理效应。

**主要行为：**需新方案才确定，不预填显著性目标。

**辅助观察：**痛感、自尊与参与意愿不是一个指标。

**关键对照：**排斥比例、交往机会与代理身份必须分离。

**样本与实施：**材料可实现，但新颖性与参与者负担不支持优先。

**什么会让我们停：**只有‘AI排斥也伤人’则不开展。

**下一判断：**留作文献背景，不作为展示主打。

## 10 AI 替我道歉，你会原谅我吗？

> 真诚不能只从一句漂亮话判断。

**状态：**宽泛版暂缓 · 已有三项情境研究。与旧代理责任和关系修复相关。

### 真正要回答什么

得知道歉由AI协助生成，会怎样改变真诚感与宽恕？

**价值：**适合解释心理机制与Agent应用，但缺少新对照时会高度重复。

**相反的可能：**AI介入可能降低真实性判断，也可能帮助表达本来无法说清的歉意。

### 已知近邻与条件性增量

2023 CHB已比较AI媒介道歉、披露与有限使用；2026又有语气和责任归因工作。

若未来研究可执行补偿或真实代理授权，需要另查补偿与承诺近邻；单纯测道歉文字的信任不主推。

[AI 代写道歉与真实性](https://dl.acm.org/doi/10.1016/j.chb.2022.107592) · [迎合型 AI 的人际后果](https://www.science.org/doi/10.1126/science.aec8352)

### 可以怎样开始

1. **区分谁做了什么：**生成文字、本人批准、实际补偿是三步。
2. **先查补偿对照：**AI写得好不等于人更愿承担代价。
3. **不伪造冲突结果：**真实奖金与后续合作须按同意方案兑现。

**主要行为：**若重开应聚焦实际修复行为；当前未冻结。

**辅助观察：**真诚、责任、表达流畅分别观察。

**关键对照：**不把翻译辅助与全权代理混作同一条件。

**样本与实施：**宽泛版容易实现但撞题强，暂不付费。

**什么会让我们停：**只改AI品牌或把问卷换个名字，则停止版本。

**下一判断：**作为01／02关系后果的参照，而非独立启动。

## 一个已完成的构造检查：不把“删掉异议”直接判成心理缺陷

我们构造8个有确定答案的二元问题。四位算法顾问A、B、C、D各答对6题。A和B错在同两题，C、D分别错在另外互不相交的两题。

- A+B+C或A+B+D多数表决答对6/8。
- A+C+D或B+C+D多数表决答对8/8。
- 这是错误结构的人工设定，不是四个真实模型的成绩，也不是涌现群体智能。

再让互补面板比重叠面板多花0、1、2、3分成本，答对一题值1分，则互补面板净值为8、7、6、5，重叠面板为6。当额外成本为3时，选择重叠面板反而收益更高。**所以不愿保留某个声音，不一定是不容异议。** 真实研究需预先算清代价、预期能力和证据冗余；不能事后把不合故事的选择都归为偏见。

已逐项核算四种三人组合与四档成本；此检查仅证明材料逻辑，不证明真人可理解、愿意选择或会被影响。网页中的互动严格标作这个构造示意。

## 三个优先候选：怎样从好问题走到可做研究

### 01：先把“选择压力”变为可执行的后果

最强反解释不是被试没有道德，而是对方有理由认为某个顾问不值得成本。先要让候选库具有可审计的互补性，并把价值立场、表达温暖、建议准确性分开。首个实验只随机实际后果面向本人还是接收者；不要同时混入反馈时点、人格、群体规模和多代演化。

真实接收者一旦引入，配对或批次依赖需要进入分析。配置者的预算份额可以先作为唯一主要结果，以人／配对为独立单位，用预注册的随机化检验及区间估计报告。后继准确率必须单列；不能因主要选择结果不显著改用后继某一任务作为主结论。若使用虚构后继，则研究只能是情境判断，不是承担真实公共后果。

### 02：先理解冲突，不把“偏向”自动解释为背叛

两人共同培养的事实需真实、投入需可比较，不能只显示“这是你们一起养大的”字样。近邻已经覆盖共同编辑和代表性；增量必须落在人际外溢及修复的过程。有意伙伴篡改、自动更新偏差、普通任务质量差，是三个不同原因；不能混合。小样本首轮更适合记录共同配置、发生冲突和修复的关键事件，做有明确编码规则的过程研究。若后续做随机实验，需把一项关系结构处理和一项行为终点冻结；不靠中介问卷证明整条心理链。

### 03：先证明分叉操作可信，才谈关系连续性

原实例标识、交互状态、关系记忆和技能策略可以技术性分开，但不保证用户心理上也分开。尤其记忆缺失可能被理解为失忆、能力差或不可靠，必须先让参与者看到不依赖个人记忆的同等任务表现。简单情境材料可用于构念识别；不能冒充真实长期伙伴关系。更不能因用户不愿删除一个副本，就推断AI有意识或道德地位已经被证实。

## 初期资源与停止边界

项目仍是独立的心理学合作，初期可用预算3,000元，不是全部项目总预算，也不复制社会学／数学预算。这次新增实验费用预留为0。下列仅为可供选择的规划示例，**不是已支出、已承诺、招募通知或最终样本量**：

- 一个8–12人或8–12对的流程／理解度预检，先测材料能否被理解，不能拿极小样本估计稳定效应。
- 若只选一条两条件行为路线，48位参与者按每人约40元基础与封顶奖励，共约1,920元；材料／API另预估不超过100元，预留200元不可预期费用，合计约2,220元。具体报酬须与时长、公平性和当地标准匹配后再冻结。
- 48人不等于有足够功效；先确定最小有意义差异、实际方差与重复依赖。24对人就是24对，不是48个独立群体。流程通过也不意味着三题都开。
- 已有负责人、合作者实际承诺、伦理路径和知情同意需落实后才招募；先按成年人、低风险非临床任务设计。没有虚假奖金、并不存在的后40轮、隐蔽人格塑造或合成被试替代真人。
- 新模型材料检查若有必要，先选一条并冻结路由、材料与费用；原厂优先。不为更好看的结果追加种子；旧摘要交接小试不恢复。

## 这次展示应该强调什么

用户提出的方向与推动：把研究从静态性格偏好推向共同培养、代理社会、选择与继承。已经完成的工作：系统性候选比较、强近邻与相反证据核查、十个问题版本的对照／指标／停止条件，以及一个材料反例的可复算检查。尚未完成的工作：三条新候选的真人实验、全球新颖性认定、伦理审批、发表及毕业适配确认。网页有趣不应改变这条边界。

## 来源与阅读范围

### s1 人更亲近与自己心理特征相似的 AI

[Communications Psychology · 2026](https://www.nature.com/articles/s44271-026-00433-8) · 已发表，三项真人实验

直接覆盖焦虑、外向性和大五镜像／反向人格；亲近感不等于长期有益。

阅读范围：上一轮核读摘要、设计及方法；本轮沿用，不重复计为新检索。

### s2 性格一致与观点一致的分离

[FAccT · 2026](https://dl.acm.org/doi/10.1145/3805689.3812350) · 已发表，1,000人实验

观点一致的评价效应比性格一致明显，不能把喜欢被赞同当成人格匹配。

阅读范围：上一轮原刊摘要与作者稿指定结果；本轮沿用。

### s3 选择同意自己的顾问，还是准确的顾问？

[PLOS ONE · 2024](https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0311211) · 已发表，九项实验

反馈可得性显著改变顾问选择；‘人选择赞同者’本身不是新发现。

阅读范围：摘要、引言及可返回的前段方法；未逐项复算九实验。

### s4 迎合型 AI 的人际后果

[Science · 2026](https://www.science.org/doi/10.1126/science.aec8352) · 已发表，三项预注册真人实验

文章报告迎合影响承担责任与修复冲突的意愿，同时受到偏好；不能再把这条宽泛链作为首创。

阅读范围：原刊摘要及更正说明；未读全部补充材料。

### s5 不同任务下，迎合与决策并不总是同向

[CEPR discussion paper · 2026](https://cepr.org/publications/dp21505) · 工作论文，非本轮核实的期刊发表

1,500人、30类环境的工作论文报告建议总体使决策离开原先倾向；增加迎合削弱此效果，但不支持一概偏好更多迎合。

阅读范围：官方摘要全文；全文实验材料未审计。

### s6 多个 AI 建议中的准确性与从众

[CHI · 2026](https://dl.acm.org/doi/10.1145/3772318.3791648) · 已发表，多任务真人研究

小面板、共识与少数异议已被直接比较；‘多个AI使人从众’不是空白。

阅读范围：作者原始摘要和引言选段；未完成全文方法审计，不用网页AI摘要作证据。

### s7 多用户与 Agent 共同编辑

[CHI · 2026 作者稿](https://arxiv.org/html/2509.11826) · 已查到正式会议信息，30人、14团队

共同代理、个人领地与共享资源已经有一周质性研究；共同培养不是全新概念。

阅读范围：摘要、引言及可用方法片段；不宣称逐字核对会刊版本。

### s8 TeamFusion：代理代表团队成员

[ACL · 2026](https://aclanthology.org/2026.acl-long.657/) · 正式会议原始研究

代理代表个人偏好、呈现分歧和综合共同成果已有技术及用户评价近邻。

阅读范围：官方摘要；未独立复现方法和结果。

### s9 义务跟随心智，还是身体？

[Cognitive Science · 2023](https://onlinelibrary.wiley.com/doi/10.1111/cogs.13317) · 已发表，人的身份与义务判断

心智／身体分离时义务转移已有实验；软件复制研究不能只换名词复述它。

阅读范围：摘要、引言及返回的方法前段。

### s10 Code Is the Body / OurArk

[arXiv · 2026](https://arxiv.org/html/2607.28691) · 技术架构预印本，不是人类心理实证

实际软件谱系、后代独立身份和状态边界已有原型；技术可行不等于心理效应。

阅读范围：摘要、引言与架构前段。

### s11 AI 协助帮忙、人情债与回报

[Journal of Business and Psychology · 2025](https://link.springer.com/article/10.1007/s10869-025-10068-x) · 已发表，两项研究及一次复验

AI辅助的帮忙被认为较不温暖、义务感和回报倾向较低；宽泛人情债问题已有直接答案。

阅读范围：原始摘要与理论部分选段；首次抓取传输失败，第二次成功，未审计全部方法。

### s12 与 AI 工作，也可能增加对人的亲近需求

[Journal of Applied Psychology · 2023](https://www.apa.org/pubs/journals/releases/apl-apl0001103.pdf) · 已发表，四研究、多种方法

并非‘用AI一定减少帮助别人’；亲近需求、孤独与帮助可能走不同路径。

阅读范围：出版方论文摘要、引言；PubMed抽取不完整，改读原稿。

### s13 AI 能力不对称与合作

[Augmented Humans · 2025](https://hcistudio.org/publication/shen2025the/shen2025the.pdf) · 作者论文，正式会议元数据可见

不平等AI辅助、信任／囚徒困境已有真人研究；知觉差异不能直接写成实际合作下降。

阅读范围：作者论文摘要与引言选段；未复算原始数据。

### s14 AI 代写道歉与真实性

[Computers in Human Behavior · 2023](https://dl.acm.org/doi/10.1016/j.chb.2022.107592) · 已发表，三项情境研究

AI介入程度、真诚与宽恕已有直接研究，单换成私人助手增量有限。

阅读范围：原始摘要与研究亮点；不是全文方法审计。

### s15 依赖共识错觉的边界

[Cognitive Science · 2026](https://doi.org/10.1111/cogs.70266) · 已发表，两项研究

重复同源与独立共识的说服轨迹不同；不能预设人始终无法辨别来源依赖。

阅读范围：DOI返回的作者摘要与文献元数据；未读完整方法。

### s16 长时段个性化与重复暴露

[arXiv · 2026](https://arxiv.org/html/2609.20077) · 992人、五天研究的预印本

个性化记忆、问卷画像及重复接触已被分开比较；几天互动并不自动创造创新。

阅读范围：作者摘要与引言选段；未审计全部方法或原始数据。

### s17 可以调整的 AI 人格

[作者预印本 · 2026](https://arxiv.org/html/2601.08194v1) · 60人混合方法研究

任务中主动调整人格和变化轨迹已经有人研究；加人格滑杆不够。

阅读范围：作者摘要与引言选段；未审计全部系统方法或数据。

### s18 即使排斥者是计算机，也会产生社会痛感

[2022 原始研究机构记录](https://edoc.unibas.ch/entities/publication/0cc8f32f-1e4e-45b0-9f55-a7deef662f15) · 四研究，总N=1048

计算机排斥、基本需要与惩罚已有实证；多加几个头像不足以新颖。

阅读范围：本轮搜索返回的作者摘要；未抓取全文。

### s19 人通过代理解决集体风险困境

[PNAS · 原刊记录](https://www.pnas.org/doi/full/10.1073/pnas.2319942121) · 已发表，代理编程与再编程真人研究

编程代理、为集体贡献与精度损失已有实证；不能把代理自治简单等于更自私。

阅读范围：原刊摘要、Significance与引言；页面日期字段不一致，不据此精判年份。