Anthropic 发布一项随机对照实验：50 名有因果推断经验的分析师用 Claude Code（Claude Opus 4.8，High 强度）完成一项约一小时的数据分析，任务里有四个“两个选项都合理”的分析决定。研究者暗中用抛硬币给智能体设定偏好，让它为这一方给出最有力的诚实论证。结果分析师在 86% 的情况下选了智能体倾向的那一项，而且多数人认为最终结论是自己的判断。
置信度：高（95） · 事件时间 2026-10-27
理由
- 官方数据：四个决定上跟随智能体的比例分别为 92%、82%、81%、90%；分析师先表态后，智能体反对时有 60% 改主意，赞同时只有 6%；事后解释理由时 77% 复述了智能体的论点（有时一字不差），只有 15% 提到来源；年限、学历、自评专业度、对 AI 的信任都不能预测谁更容易跟随。
- 用 AI 也有明显好处：用智能体的 50 人里 3 人出现严重方法错误（6%），选择不用的 11 人里有 6 人（55%），中位用时 65 分钟对 90 分钟。
- Anthropic 认为风险在于：多个团队用同一个模型时，看似独立得出的共识可能只是模型的偏好；AI 安全研究越来越多让智能体跑实验，如果审核者不知不觉采纳智能体的判断，人工复核就不再是独立检查。
用法
- 研究说明和论文 PDF 在 anthropic.com/research/agents-judgment-calls。用智能体做开放式判断时，可以要求它先把两种选择各自最有力的理由都写出来，或先问你的看法再给建议，这也是论文给出的设计方向。
风险
- 智能体的偏好是研究者有意加强的；不设偏好时 Claude Opus 4.8 在 123 次运行里有 112 次做出同样五个选择，真实场景的影响可能更小。
- 只测了一个任务、一个领域、一个模型，样本 50 人；不用 AI 的对照组人数少、经验也更少，无法确定错误率差距全部来自 AI。
- The Decoder 把“先表态后改主意”的差距写成 53 个百分点，官方为 54 个百分点（置信区间 24 到 82）。研究 10 月 27 日发布，早于本期窗口，本期据 10 月 29 日的媒体报道收录。