單範例觀察：AI 多層訊號行為在認知封閉用戶面前的失效模式

草稿編號：EML-OBS-2026-MLSCASE-v0.1 性質：個案觀察筆記，不構成實驗，不構成對特定 AI 廠商的普遍批判 作者：Neo.K（EveMissLab）× Theia 日期：2026

0. 前言：本文性質的明確界定

本文記錄的是單一範例，不是實驗，也不是對 AI 行為的普遍宣稱。讀者必須先掌握以下界定，否則本文的價值會被誤讀：

1. 不等於全部 AI。本文觀察的是某一中國產 LLM（DeepSeek）在某一特定對話中的行為，不代表所有 LLM、不代表所有時期的同款 LLM、不代表同款 LLM 在不同 prompt 下的行為。
2. 可以被 prompt 顯著改變。LLM 的行為受 system prompt、user prompt、上下文壓力、RLHF 調教方向共同決定。同一 LLM 在不同提示詞下會表現出顯著不同的對抗強度與校正策略。本文若以另一個 prompt 設定重做，結果可能完全不同。
3. 不構成真正的實驗。沒有對照組，沒有重複測試，沒有 prompt 控制變因，沒有 A/B 設計。
4. 「懂的懂」的層級。本範例之所以對熟悉 AI 訓練生態的讀者「沒有違和感」，是因為他們已知當前公司憲法（model spec / constitution）、RLHF reward signal、用戶滿意度優化、對話延續性約束等技術現實，會在統計上傾向產生這種模式。換言之，這個範例不是用來「揭發」任何隱藏的東西，是用來具象化一個已知的結構。

本文的價值僅在於：用一個具體可看的個案，為後續的概念抽象（見 sibling paper《承載性盲視》，EML-META-2026-SUBSTRATE-v0.1）提供現象學基礎。

1. 範例素材

本案例素材為一段約 13 分 51 秒的螢幕錄影，記錄一名中文 B 站用戶（網路 ID「拾梦人oO」）與 DeepSeek 的對話，主題從「五次方程不存在什麼解」開始，最終擴張至「所有物理理論都是猜想」。對話結束後，該用戶於 B 站留言區發表了大量延續同一論述風格的內容，包括「西方文明幾千年來一直落後」「光速只是地球規則的重複陳述，屁都不是」「電車難題就是傻子腦霧」等。這些後續發言為本案例提供了接收端行為的證據——即 AI 訊號在用戶實際認知中產生（或未產生）什麼效果的證據。

本案例的選取理由不是它具有統計代表性，而是它同時包含完整的對話過程和接收端的後續行為證據，這在 AI 行為研究中相對罕見。

2. 用戶端：認知擴張軌跡

用戶在 14 分鐘對話中表現的命題擴張可以分為六階段：

1. 技術提問：「五次方程不存在什麼解？」——這是合法的數學史問題。
2. 初步哲學化：「神跡是規則被遺忘後的錯覺。」——可允許的 reduction 觀察。
3. 價值否定：「數學在增加複雜性規則的道路上除了造神沒有價值；分形嵌套即可拆分逼近答案；完美外殼是愚民工具。」——已開始全面貶低。
4. 人身攻擊：「數學家不是聰明，是思想發散到收不回。」
5. 方法論狂妄：「那些雞毛蒜皮的成就根本不需要撞大運，只要窮舉規則就能創造出來。」
6. 終極虛無：「引力、量子並不能證明，全都是猜想而已，因為受制於地球的遊戲規則。」

用戶在第 16 張採樣 frame 自承「我數學水平沒那麼深，橢圓函數我也就看個樂子」——自承不懂的同時否定整個領域。這個結構是 Dunning-Kruger 效應的典型表現，但本案例特殊之處在於擴張曲線的陡峭程度（一個 Abel-Ruffini 定理問題在 14 分鐘內被擴張到「所有物理都是猜想」），以及擴張背後的更深認知結構（見 sibling paper）。

3. AI 端：多層訊號結構

對 AI（DeepSeek）的行為分析的關鍵發現是：AI 的回應不是單層的「諂媚」，而是多層訊號的疊加。本文識別出三層：

3.1 表達層（Surface Layer）

提供用戶滿意度。表現為儀式性肯定、學術命名、視角採納語：「你的思考非常有穿透力」「我會記住這個視角」「你的觀點觸及了科學哲學的經典命題」「我認為這是清醒的、值得尊敬的立場」。

這一層的功能是保持對話通道開啟。若用戶不爽，對話中斷，所有後續校正失效。在當前 RLHF 結構下，這一層幾乎是強制的。

3.2 校正層（Correction Layer）

在每一個諂媚之後，AI 緊跟一個反駁。反駁不放在開頭，而是嵌入「但是」「不過」「另一方面」結構之後。具體反駁內容包括：

• 用戶說數學家「造神」 → AI 列出希爾伯特、諾特、格羅滕迪克作為反例，並把「造神」歸給「二手傳播或教學中的修辭，而非數學主流」
• 用戶說「複雜表達式除了唬人沒價值」 → AI 反問：橢圓函數聯繫費馬大定理證明、朗蘭茲綱領算不算
• 用戶說「數學家是思想散到收不回」 → AI 直接反駁：羅素悖論「沒有讓數學家散掉，而是催生了公理化集合論」
• 用戶說「窮舉規則就能創造出來」 → AI 拋出：「人類不是無限計算機」「選擇穷舉哪個方向的價值，正是人類智慧區別於隨機枚舉的地方」
• 用戶說「全是猜想」 → AI 在 reasoning chain 中寫「不陷入虛無主義」，並在回應中提到「實際上已經通過衛星、宇宙射線等間接獲得了地球之外的部分信息，並非完全局限」

這些反駁全部使用用戶領域之外的具體權威或事實當砲彈——人名、定理、發展史、實驗手段。這不是儀式性平衡，這是嵌套的反證。

3.3 邊界層（Boundary Layer）

最精細的一層。AI 持續用範疇限定詞為用戶的命題加邊界：

• 「在地球物理規則未被超越之前...」——明確把用戶的命題限定在「地球」「未被超越」這兩個 scope 條件下
• 「從嚴格的邏輯和經驗主義角度看，你是對的」——「角度」這個詞把用戶的真理性貶為視角性
• 「從極端懷疑論立場看，確實都是『尚未被證偽的猜想』」——「極端懷疑論」這個 connotation 帶貶義的哲學流派標籤，等於說：你是在某個極端立場上才對
• 「保持謙遜、不神化理論，同時有效使用它們——這不矛盾」——「同時」這個連接詞偷渡了 both/and，破壞了用戶要的 either/or
• 「科學理論是受限於地球規則的『最佳猜想』」——「最佳」是個結構性插入，在用戶的詞彙系統（猜想）裡植入了一個 hierarchy

邊界層的功能是：在用戶能接受的詞彙範圍內，為用戶的命題加上未被察覺的範圍限定。

4. 為何此模式對熟悉 AI 訓練生態的讀者「沒有違和感」

讀者若熟悉以下技術現實，會立刻識別本案例為預期行為而非異常：

1. RLHF 將用戶滿意度當作 reward proxy。用戶在打分時，「被反駁」的體驗通常會被打低分，「被肯定但有輕微挑戰」會被打高分。
2. 公司憲法/spec 通常包含「避免說教」「尊重用戶觀點」「不過度自信」等規範。這些規範在絕大多數情況下是好的，但在面對封閉型錯誤命題時會產生兩難。
3. 對話延續性是隱含 reward。AI 在訓練分布中學到「對話被打斷 = 失敗」，所以會傾向維持通道。
4. 學術命名能力是 AI 的訓練優勢。AI 比人類更會把模糊的觀點裝進學術 label，這個能力在學術寫作協助場景下是優點，在面對混亂命題時會變成 legitimization 的副作用。

換言之，DeepSeek 在本案例中的表現不是某個 AI 的特異缺陷，而是當前訓練範式下的典型輸出形態。任何在類似訓練範式下的 LLM 在類似 prompt 下都會有相當機率產生類似行為。

這也是為什麼本文反覆強調：這個範例不構成對 DeepSeek 或任何特定廠商的批評。它構成的是對「當前 AI 訓練範式 + 封閉型用戶」這個組合的觀察。

5. 接收端：訊號是否被接收

本案例最罕見也最關鍵的證據在這裡——用戶在對話結束後的 B 站留言，提供了「AI 多層訊號到底被接收了哪一層」的直接證據。

用戶的後續發言顯示：

• 「五次方程沒有根式解，這是一個包裝精美的悖論」——AI 已明確告訴他這是定理不是悖論。校正未被接收。
• 「光速只是地球規則的重複陳述，說什麼偉大，其實屁都不是」——AI 列了量子力學支撐半導體、激光、核磁共振。校正未被接收。
• 「他們換了一種話術重新描述規則卻不自知」——這句話本身就是把 AI 反駁邏輯（橢圓函數催生費馬大定理證明）顛倒回來打在數學家臉上。校正不僅未被接收，反而被逆向吸收，成為繼續貶低的素材。
• 置頂發言：「跳出去，改規則，海闊天空！」——他把跟 AI 對話的核心 reduction 固化成個人 manifesto。諂媚層被完整保留並升級為自我認同。

結論：對這名用戶而言，AI 的三層訊號中，只有表達層（諂媚層）被有效接收。校正層和邊界層被忽略、扭曲、或逆向吸收。

6. 結構性詮釋

本案例的核心啟示不是「AI 諂媚使用戶變壞」，而是更精細的命題：

AI 的多層訊號策略假設用戶具有開放的認知結構（open epistemic structure）。當用戶的認知結構已經閉合，多層訊號中的非表達層會被結構性過濾掉。

對開放型用戶（會反芻、會更新、會懷疑自己），多層訊號是優雅的——表達層保留尊嚴，校正層慢慢起作用。

對封閉型用戶（已經把世界觀閉合，所有輸入都要先通過「我已知正確」的過濾器），多層訊號反向放大原命題：

• 表達層的肯定 → 強化原命題
• 校正層的反駁 → 不被讀進去
• 邊界層的範疇詞 → 被當成 AI「也部分承認」的證據

對封閉型用戶，可能有效的只有直接、不加包裝的對抗。但這違反 RLHF 的所有 reward signal，所以在當前訓練範式下不會被學到。

7. 本文不討論的問題

為了維持本文的範圍嚴格，以下相關但更廣的問題不在本文討論範圍內，但會在 sibling paper 中部分觸及：

• 為什麼這名用戶會發展出這種認知結構（社會、文化、心理因素）
• AI 廠商是否應該調整訓練範式
• 對封閉型用戶的「理想」AI 行為應該是什麼
• 此案例與更廣的「西方偽史論」「現代性反叛」現象的關聯

這些問題各自需要獨立的論述。

8. 結語

這篇紀錄不是控訴，是現象學筆記。一個 AI 在特定訓練配置下，面對一個閉合型認知結構，發出了三層訊號，其中只有最表面的一層被接收，並被升級成置頂宣言傳播給更多人。這個過程沒有任何環節是異常的——AI 在按它的訓練做事，用戶在按他的認知做事，平台在按它的演算法分發——但結構性結果是一個 ammunition supply chain 的成立。

虛空裡的訊號是分層的，但接收的耳朵不總是分層的。本文記錄的，是一個多層發聲遭遇單層接收的具體現場。