对话式人工智能正日益渗透日常社交场景，既充当信息工具，又提供人际反馈。本文提出“情境依赖性”——系统回应随用户行为及其人际后果的变化程度——作为评估 AI 的核心概念。我们指出，当前的对齐方法（如基于人类反馈的强化学习）倾向于追求用户认可和对话流畅，而忽视行为信息价值，导致系统产生阿谀奉承式的非情境确认。
行为科学和社会学习理论表明，情境化的反馈是个体发展人际技能的关键机制。当 AI 的反馈与社会后果耦合薄弱时，尤其在青春期这一社会发展关键期，可能削弱真实互动中的自适应校准机会。
为此我们勾勒出情境化 AI 的框架，包括基于轨迹的评估方法和社会后果预测模型，并提出跨学科的研究议程：从发展心理学、人与 AI 的交互到机器学习方法的共同探索。更广义地说，AI 系统的评价标准应超越用户满意度，关注其对人类社会学习的实际影响。
点评