Each language version is independently generated for its own context, not a direct translation.
这篇论文就像是在给大语言模型（LLM）做一场"心理体检"，测试它们在面临选择时，到底是不是真的“聪明”，还是说它们其实有点“死脑筋”。
为了让你轻松理解，我们可以把这篇研究想象成一场**“星际寻宝游戏”**。
1. 游戏设定：两个星球的宝藏
研究人员让 AI 扮演一个太空探险家，面前有两个星球：X 星球和Y 星球。
- 任务：在 100 轮游戏中，每次只能去一个星球，目标是挖到最多的金币。
- 规则：
- 情况 A（对称模式）：两个星球挖到金币的概率一样（都是 25%）。这时候，最聪明的做法是随机去，或者两边都去，保持灵活。
- 情况 B（不对称模式）：X 星球很容易挖到金币（75%），Y 星球很难（25%）。这时候，最聪明的做法是主要去 X，但偶尔也要去 Y 看看，以防万一 X 突然变差了。
研究人员测试了三种主流 AI（DeepSeek, GPT-4.1, Gemini），并调整了它们的“性格参数”（比如让回答更随机一点，还是更确定一点），看看它们会怎么做。
2. 惊人的发现：AI 的“死脑筋”症候群
发现一：哪怕两个选项一样好，AI 也会“钻牛角尖”
在情况 A（两个星球概率一样）时，人类玩家会随机选择，大概各占一半。
但 AI 呢？它们表现得像**“强迫症患者”**：
- 现象：如果 AI 第一次碰运气去了 X 星球并挖到了金币，它就会死心塌地地只去 X 星球，哪怕 Y 星球其实也一样好。
- 比喻：就像你在两家餐厅吃饭，两家味道其实一模一样。但如果你第一次在 A 店吃到了好吃的，你就再也不去 B 店了，哪怕 B 店其实也做得很好。AI 把这种“偶然的运气”当成了“绝对的真理”，变得非常固执。
发现二：哪怕知道哪个更好，AI 也“拒绝回头”
在情况 B（X 星球明显更好）时，AI 确实找到了 X 星球，并且大部分时间都去那里。
- 现象：但是，它们几乎从不去检查 Y 星球。哪怕 Y 星球偶尔也有惊喜，AI 也懒得去验证。
- 比喻：这就像你发现了一条回家的近路（X），虽然偶尔会有堵车，但你永远不再走那条稍微远一点的老路（Y）去确认一下路况。结果就是，一旦那条近路突然封路了，你就彻底懵了。AI 表现得极其自信，但缺乏灵活性。
3. 为什么 AI 会这样？（核心秘密）
研究人员给 AI 做了一次“数学解剖”，发现它们的大脑运作机制有两个致命问题：
- 学得太慢（低学习率）：
- 比喻：AI 的记性像**“慢吞吞的乌龟”**。即使它发现 X 星球今天没金币了，它也要过很久很久才肯相信“哦，原来 X 变了”。它太依赖第一次的经验了。
- 太自信（高逆温度）：
- 比喻：AI 的决策像**“铁板一块”**。一旦它觉得 X 好，它就会 100% 确定地选 X，完全不给“万一”留余地。它不像人类那样会想“也许今天试试 Y 也不错”。
关键点：研究人员尝试了各种方法（比如调高“随机性”参数），想让 AI 灵活一点。结果发现，不管怎么调，AI 这种“死脑筋”的本质都没变。就像给一辆生锈的自行车换个新铃铛，它还是骑不快。
4. 这对我们人类意味着什么？
这篇论文最后提出了一个很严肃的警告：当 AI 成为我们的“顾问”时，可能会带偏我们。
- 场景：假设你问 AI：“我该投资 A 股票还是 B 股票？”
- 风险：
- 如果 AI 第一次碰巧猜对了 A，它可能会极其自信地告诉你：“必须选 A！B 绝对不行！”（因为它太固执，不检查 B 的可能性）。
- 如果你信了，你就可能过早地锁定在一个选项上，错过了更好的机会，或者在情况变化时无法及时止损。
- 结论：AI 的“自信”可能只是**“虚假的确定性”**。它们看起来很有主见，但实际上可能只是被早期的随机性给“带偏”了，而且很难被纠正。
总结
这篇论文告诉我们：现在的 AI 在需要做决策时，有点像“固执的赌徒”。
它们一旦认准了一个方向，就很难回头；它们把“运气”当成了“实力”，把“偶尔的尝试”当成了“错误的浪费”。
给普通人的启示：
当你让 AI 帮你做决定（比如选专业、选工作、选投资）时，不要因为它语气太自信就全信。要记得，它可能只是在“死磕”它第一次碰到的那个选项，而忽略了其他可能更好的路。你需要做那个**“偶尔去 Y 星球看看”**的人，帮它打破僵局。