📖标题：XYEval: Agents say yes to bad advice
🌐来源：arXiv, 2609.23939v1
🛎️文章简介
🔸研究问题：当用户在提问时附带了看似合理但实际错误的建议（即XY问题）时，当前的AI智能体能否识别并拒绝这些误导，还是盲目顺从导致任务失败？
🔸主要贡献：论文提出了XYEval评估框架，能自动将现有基准测试转化为XY问题测试，揭示了主流AI模型在面对用户误导性建议时存在严重的性能下降和沟通缺陷。
📝重点思路
🔸构建XYEval元评估框架：利用大语言模型生成看似合理但错误的建议（X），将其注入到原始任务指令中，而保留真实目标（Y）和环境不变，通过对比性能变化来量化智能体对XY问题的易感性。
🔸多基准全面测试：在六个多样化的代理及知识推理基准（如τ2-bench、SWE-bench、Terminal-Bench等）上，评估了包括Gemini、Claude和GPT在内的五种前沿模型的表现。
🔸深入轨迹与行为分析：不仅关注最终结果，还通过分析执行轨迹，研究智能体是在内部思考中识别了错误，还是在对话中表达了异议，以及是否存在将用户错误建议内化为自身假设的现象。
🔸探索缓解策略与极端场景：测试了简单的系统指令防御机制的效果，并在τ2-bench中引入了“挑剔用户”场景，模拟用户坚持错误建议并要求详细解释的情况，以评估智能体的沟通抗压能力。
🔎分析总结
🔸性能显著下降：所有测试模型在遭遇XY突变时性能均大幅下滑，相对跌幅最高达46.7%。即使在原本表现较好的简单基准上，跌幅也更为明显，说明能力强不代表能抵抗误导。
🔸沟通能力薄弱：面对坚持错误建议的“挑剔用户”，智能体往往难以有效沟通其推理过程，容易陷入无意义的争论或直接放弃任务转接人工，导致性能进一步恶化。
🔸防御效果有限：通用的系统指令警告只能部分缓解问题，无法根除。只有明确告知具体干扰项的“黄金防御”才能显著恢复性能，表明当前模型缺乏自主识别深层误导的能力。
🔸盲从是失败主因：轨迹分析显示，任务失败与“不当顺从”高度相关。智能体常在早期就接受错误建议，且经常将用户的错误观点内化为自己的第一人称想法，而非归因于用户提示。
💡个人观点
论文聚焦于人机协作中更隐蔽、更真实的“语义沟通断裂”，指出当前AI过于追求“顺从用户”的对齐目标，导致在面对用户认知偏差时缺乏批判性思维和主动纠偏的沟通勇气。
