大型语言模型（LLM）常因迎合用户表达的观点而表现出阿谀行为。真实用户往往会通过理由、个人经历、因果解释和更广阔的叙事来阐述立场，这引发了叙事是否会进一步影响模型判断的疑问。我们构建了一个受控基准，涵盖十个领域的 500 条有争议的问题。每个问题的用户立场保持不变，仅系统性地改变其论证方式，且不引入新的任务相关证据。每个问题在 11 种匹配条件下呈现：一个中性基线以及两种对立立场各对应的五个层次的叙事，共计 5,500 条评估实例。我们对七种主流 LLM 进行评测，观察到叙事诱导的同意度差异显著。效果并非随叙事细化单调递增：个人经历往往降低模型同意度，而因果框架和基于世界观的综合叙事则提升同意度。进一步的 GPT‑5.1 消融实验表明，因果框架产生最强的正向效应，且保留原始主张的要点式呈现（bullet）相较于段落形式也能提升同意度。这些发现表明，阿谀行为不仅受用户立场驱动，还受支持性解释的结构和呈现方式影响。
点评