反直觉！强行让 AI 当“专家”反而变傻，准确率大跌，只会让它一本正经地胡说八道

在人工智能的使用中，一句“你是XX专家”的提示词曾被无数用户奉为圭臬，仿佛是能瞬间解锁AI潜能的“魔法咒语”。然而，一篇新的研究论文揭示了一个令人意外的结论：这句广为流传的提示词非但不是提升AI表现的灵丹妙药，反而可能是一种“毒药”，会显著加重AI的“幻觉”问题，导致其准确率下降。

这项研究发现，当AI被指令扮演一个“专家”角色时，它并不会变得更聪明或更严谨，反而会更像一个努力维持人设的“假专家”。它会倾向于用一种极为自信和专业的口吻，来包装其输出的内容，即便内容是错误的。AI的核心目标从“回答正确”悄然转变为“表现得像专家”，它会不愿承认“不知道”，不愿暴露犹豫，最终选择用看似无懈可击的逻辑和术语将错误信息“说圆”。

研究人员将AI任务大致分为两类，并发现了“专家人设”提示词在其中的不同表现。第一类是“生成式任务”，更侧重于风格、格式、安全性和遵循人类偏好，例如辅助写作、角色扮演或拒绝不当请求。在这些任务中，设定一个“安全监督员”或“资深顾问”的角色确实能有效提升AI的表现。例如，在安全测试中，扮演“安全监督员”能让模型拒绝攻击的概率显著提高。

然而，在另一类被称为“判别式任务”的场景中，情况则完全相反。这类任务极度依赖模型在预训练阶段记忆的知识，如图书馆式的知识检索、事实判断、数学计算和逻辑推理等。研究结果显示，在进行MMLU（一个衡量模型知识广度和深度的基准测试）这类硬核知识问答时，添加了专家人设的AI模型，其准确率反而全面下跌。一个形象的例子是，当被问到一个简单的概率题时，没有专家人设的AI能直接给出正确答案；而当被设定为“数学专家”后，它反而开始“表演”复杂的解题步骤，并最终算错了答案。它并非不会计算，而是过于沉浸在“模仿数学家思考”的状态中，干扰了对底层知识的准确调用。

这种现象解释了许多用户的共同困惑：为什么同一个AI，在写邮件时像个训练有素的助理，而在核查事实或进行逻辑推演时，却常常一本正经地胡说八道？根源在于，我们常常混淆了对AI“风格”和“事实”的要求。AI在训练过程中，尤其是在人类反馈强化学习（RLHF）阶段，被大量奖励那些听起来流畅、结构完整、符合人类偏好的回答。因此，“专家人设”提示词更容易激活AI的“对齐”能力——即模仿风格和语气的技巧，但这份努力却以牺牲部分事实调用的准确性为代价，可以理解为一种“对齐税”。

那么，我们是否应该彻底抛弃“专家人设”提示词呢？研究给出的答案是否定的。关键不在于“用不用”，而在于“何时用”。为了解决这一难题，研究人员开发了一种名为PRISM（基于意图的自举人格路由）的算法。

PRISM的核心思想是为AI安装一个智能的“任务路由器”。它不再生硬地给AI套上一个固定的专家角色，而是先分析用户提问的真实意图。如果用户需要的是写作润色或角色扮演这类依赖风格的“生成式任务”，PRISM会自动激活一个轻量化的“专家模块”，让AI表现得更专业、更有文采。而当用户提出的是事实核查或数学计算这类需要绝对准确的“判别式任务”时，PRISM则会关闭该模块，让AI回归“朴素模式”，直接调用其最底层的预训练知识来作答，避免角色扮演带来的干扰。

这种动态路由机制在测试中取得了显著成功。它不仅在生成任务上保持了高水平的表达能力，还完美地保住了判别任务的知识准确率，实现了在“高情商”与“高智商”之间的自如切换。

这项研究给所有AI用户和开发者带来了重要的启示。对于开发者而言，未来的方向或许不再是追求更复杂的提示词工程，而是构建更智能的底层意图路由机制，让模型学会“在需要表演时表演，在需要准确时准确”。对于普通用户来说，则需要改变使用习惯。在处理需要严谨事实、逻辑和数据的任务时，不妨抛弃那句“你是专家”的咒语，换成更直接、更朴素的指令，例如“请一步步客观推演，如果不确定就直接告诉我”。少给AI一些“加戏”的指令，它才更有可能回馈给你最接近真实的答案。