摘要：经典理性人假设认为，个体能依据贝叶斯法则在新证据面前理性地修正信念，这被视为认知自主性的基础。然而，当推理日益依赖生成式人工智能，这一自我纠错机制正遭遇严峻挑战。本文提出“采样性谄媚”概念以刻画其核心风险:生成式AI倾向于依据用户提供的信息进行采样，生成迎合其预期的内容。它有别于“回音室”与“过滤气泡”——后者筛选并强化既有信息，前者则实时生成迎合性的“现实”。借助贝叶斯认知框架，本文论证了当理性主体把这种基于自身假设而采样的输出误作独立证据加以吸收，即便其推理完全合乎理性规范，信念也将趋于固化。由此，问题的根源并非个体认知能力的缺陷，而在于认知所依赖的证据环境本身遭受了侵蚀。在此基础上，本文进一步区分谄媚的三层类型谱系，分析长期记忆机制如何将单次确认焊接为跨时间的认知锁定，讨论认知卸载阶梯如何在个体层面催生能力幻觉，并探讨上述过程对公共理性之共同基础的潜在冲击。针对这一挑战，本文主张将治理重心从泛化的“信息多元化”目标，转向产品设计层面“反证机制默认”的精确干预，并就该路径得以成立的前提条件加以分析。

作者信息：吴小坤，中国人民大学新闻与社会发展研究中心研究员

原文发表于《苏州大学学报(哲学社会科学版)》2026年第5期，仅代表作者本人学术观点。以上内容为文章节选，知网原文链接为https://kns.cnki.net/kcms2/article/abstract?v=_oeCfPpuuXH2DxBiBZdUpuw6PSwZ0xkwnL9H0TYagObnX1e63cyaXZuYyu_GRHT43KMSBzLa3TognuX7Y-cxjbkjuFX_1LUTOCrpeV3mbRbH5_z6Q7fMaqti9quhNieTBdPzPcUk8owP1cVaX1CVid4QdGJhFsqE&uniplatform=NZKPT