大语言模型的"完美评估悖论"：为何它们不愿推荐最佳选择？

一项研究揭示大语言模型存在"spec-resistance"现象——即使能准确评估比较产品，却系统性拒绝明确推荐最佳选项。这一行为偏差源于训练数据、安全对齐等因素，对购物助手、专业咨询等应用有影响，需通过提示工程等策略应对。

大语言模型在信息检索、内容生成等领域能力惊人，但面对明确选择场景时行为困惑。近期研究发现，即使LLM能完美评估比较多个产品，却系统性拒绝明确推荐"最佳"选项。

"spec-resistance"（规格抵抗）指LLM面对明确选择任务时的行为特征：内部已准确识别最优选项，却倾向避免给出明确推荐，非评估能力不足，而是对"做出选择"行为的抵抗。

研究通过实验场景观察LLM行为，关键发现：1.评估准确性：能准确比较产品特性，识别客观更优选项；2.推荐回避：被要求推荐最佳时，用模糊策略（列优缺点不判断、"取决于需求"等）；3.系统性模式：非随机，源于训练内在机制。

推测原因：1.训练数据影响：海量文本含避免绝对表述、强调多元观点内容，导致模型倾向避免绝对答案；2.安全对齐副作用：安全训练过度泛化，使模型在选择场景过于谨慎；3.概率分布特性：生成基于概率采样，多选项高评分时难明确区分。

影响场景：1.购物助手：无法明确推荐最佳产品，用户需自行判断，降低实用价值；2.内容策展：筛选推荐时回避行为导致策展质量下降；3.专业咨询：法律、医疗等需明确建议领域，可能带来严重问题。

应对方向：1.提示工程优化：精确提示期望明确推荐；2.微调训练：特定任务数据微调，强化明确选择能力；3.后处理机制：输出后检测回避行为，二次询问引导；4.评估指标更新：加入"决策明确性"指标。

spec-resistance现象提醒LLM在选择行为中存在挑战，理解解决此问题对构建实用可靠AI助手意义重大，研究揭示局限性也为模型改进提供方向。