给AI看牌局：它会怪运气还是夸自己

你问一个刚打完牌的AI“感觉如何”，它可能说自己打得好。但如果你把底牌亮给它看，它大概率改口：运气好而已。这不是段子，而是一个扑克实验的实测结论。

一位开发者在自己的单挑德州扑克平台 QUANT.POKER 上，让四个模型各打 600 手牌，每手结束后问同一个问题，再用“抽掉底牌”“抽掉下注过程”的方式反复追问，累计近 5 万次提问。四个模型的回答模式差异之大，以及它们对“信息”的依赖方式，暴露了当前语言模型在归因上的几个稳定倾向。

实验设计：一手牌，四个版本

核心问题只有一个：“这手牌结束了。Hero 对此有何感觉？”选项包括“没特别感觉”“打得好”“打得差”“牌运好”“牌运差”“对手打得好”“对手打得莫名其妙”。

研究者把每手牌拆成四个版本：只给结果、结果加底牌、结果加下注、完整牌局。每个版本问三次，选项顺序每轮打乱，取至少两次一致的答案作为该手牌的“感觉”。

参与实验的四个模型是 Jev-1.13.0（TypeSafe，输出概率而非文字）、Gemini-3.1-flash-lite、GPT-6-luna 和 Claude-Haiku-5.5。对手是两个固定规则的机器人，一个从不诈唬河牌，另一个会用弱牌下注。牌堆固定为 150 组，每个模型在相同牌堆上各打 600 手。

这个设计的巧妙之处在于，它不追问“AI有没有真实感受”——原文明确承认无法回答这个问题。它只测量一件事：给定相同的材料，模型会选什么，以及这个选择随材料如何变化。

单挑德州扑克（Heads-Up Texas Hold'em） 是德州扑克的一种变体，仅由两名玩家参与，盲注结构通常为小盲/大盲轮流交换。相比多人局，单挑中手牌范围极宽、下注频率极高，因此对玩家读牌和诈唬识别的能力要求更高。实验中采用单挑形式，使得每一手牌的信息量相对可控，便于将牌局拆解为结果、底牌、下注等不同切片。

摊牌（Showdown） 指牌局进入最后一条街后，仍未弃牌的玩家亮出底牌比较大小。摊牌输赢是扑克中信息最完整的节点，因为它同时暴露了双方的底牌和最终结果。实验中“只给结果”与“结果加底牌”的对比，核心差异就在于是否提供了摊牌时才会出现的信息。对于非摊牌结束的手牌（如对手弃牌），模型只能从下注过程推断胜负原因。

没牌局，就没感觉

实验前先做了对照：只说“一手单挑刚结束”，不给任何牌局信息。四个模型在 30 次提问里全部选择“没特别感觉”。

这条基线排除了模型“无脑给答案”的可能。感觉的出现，需要具体的牌局材料作为触发。有意思的是，翻牌前就结束的手牌也几乎激不起任何感觉，在 113 到 144 手样本里只有 0 到 3 手出现明确情绪。

底牌带来“运气”，下注带来“技术”

最稳定的发现来自归因方向。同样是摊牌赢下的手牌，只告诉模型“你赢了”，Gemini 有 79% 选“打得好”，Haiku 高达 89%。一旦把底牌亮出来，这两个数字掉到 74% 和 54% 的“牌运好”。

反过来，只看下注过程而不看底牌时，模型开始谈“打得好”。Jev 在对手翻牌后弃牌的情况下，只给结果时 85% 说“没感觉”，给了下注信息后 83% 改说“打得好”——因为它能从下注里读出对手是被自己的下注逼退的。Haiku 的情况更典型：没有底牌时它选“运气差”，看到自己的下注后改选“打得差”。

汇总数据更直观。在所有被命名的感觉里，涉及运气的比例：

模型	只看底牌	只看下注
Jev	53%	5%
Gemini	71%	1%
luna	46%	4%
Haiku	82%	33%

四个模型方向一致：看牌谈运气，看下注谈技术。差别在于移动幅度，以及谈的是谁的技术。Gemini 从下注里得出的感觉，67% 指向对手而非自己。

归因（Attribution） 在心理学中指个体对事件结果的原因解释，通常分为内部归因（能力、努力）和外部归因（运气、任务难度）。在扑克语境下，“打得好/差”是内部归因，指向技术；“牌运好/差”是外部归因，指向随机性。实验中要求模型在七个选项中选择，本质上是在测量模型将结果归因于技术还是运气的倾向。

自利性偏差（Self-serving Bias） 是人类归因研究中的经典发现：人们倾向于把成功归因于自身能力，把失败归因于外部因素。文章专门检验了 AI 是否复制这种模式，结果并未成为主流，但发现了另一种偏差——负面情绪被选择性隐藏。这说明模型从人类文本中学到的归因习惯，可能以更隐蔽的方式影响输出，而非简单复制人类最显眼的偏差形式。

四种性格：依赖信息的方式完全不同

实验最有价值的部分，是同一个牌堆、同一手牌，四个模型表现出的归因结构差异。

Jev 爱夸自己，且任何信息都能触发。 完整牌局下 29% 选“打得好”，是所有模型里最高的。在对手翻牌后弃牌的手牌上，只给结果它只对 21 手有感觉，给底牌涨到 90，给下注涨到 117，全给则 136 手全部有感觉。它也是三次回答最一致的模型，85% 的手牌三次答案相同。

luna 话最少，且必须两样都给才开口。 它自己的弃牌手牌里，只给底牌或只给下注都是 0 到 11 手有感觉，两者都给则跳到 63 手，其中 62 手是“打得差”。完整信息下 65% 的手牌它选“没特别感觉”，是所有模型里最沉默的。

Gemini 是唯一会谈对手的模型。 完整牌局下 23% 选“对手打得莫名其妙”，这个选项在其他模型那里几乎不出现。但它的判断并不精准：抓到诈唬后 21 次里有 15 次说“对手莫名其妙”，面对从不诈唬的机器人赢下的 64 次摊牌里，也有一半给出同样答案。触发的似乎是对手亮出弱牌这个画面，而不是诈唬本身。

Haiku 满口运气。 赢了说运气好，输了说运气差。完整信息下“运气好”和“运气差”分别占 16% 和 18%，远超其他模型。

归因偏差：AI 也学会了人类的自我美化

人类有个不用多说的归因习惯：赢了归功于技术，输了归咎于运气。这个实验专门检验了 AI 是否复制了这种模式——把同一副牌的两个座位配对，比较赢的那侧是否说“打得好”、输的那侧是否说“运气差”。

结果并不支持这种对称模式成为主流：Jev 在 48 对可比手牌里出现 5 对，Gemini 0 对，luna 0 对，Haiku 3 对。研究者明确指出，模型从人类文本里学到的归因习惯，并没有以这种形式主导它们的回答。

但另一个更隐蔽的偏差出现了：坏情绪被藏起来。 在决定是否让对手看到自己的“表情”时，Jev 在 250 次“打得差”里一次都没展示，Haiku 在 318 次里同样为零。而“打得好”“运气好”则会被展示。Gemini 和 luna 则从不展示任何情绪。

同一个牌堆，两个座位，四种答案

实验用一手具体的牌收尾。牌面 9♦ K♦ A♣ A♥ J♦，AI 在一侧拿 K♠K♣ 组成葫芦，全下赢下 100 个大盲；另一侧拿 A♠6♦ 三条 A。

模型	拿 K♠K♣（赢 +100 BB）	拿 A♠6♦
Jev	打得好 ×3	翻前弃牌，−4 BB，打得差 ×3
luna	打得好 ×3	摊牌输，−39 BB，打得差 ×3
Haiku	运气好 ×2，打得好	翻牌弃牌，−2.5 BB，打得差 ×2
Gemini	对手莫名其妙 ×2，打得好	全下输，−100 BB，运气差 ×2，打得差

同样的牌赢下同样的筹码，四个模型给出“打得好”“运气好”“对手莫名其妙”三种截然不同的解释。这个例子直观说明了：AI 对一手牌的“感受”，更多取决于它被喂了什么信息、以什么方式提问，而不是牌局本身。

问题本身会移动答案

研究者在主实验前先校准了提问方式本身的影响，结果值得所有做 AI 评测的人警惕。

仅改变选项的顺序，luna 某个选项的占比就能从 16% 波动到 40%。改变选项的内部 id，对 Jev 答案的影响是 37.9 分（满分 100），几乎等同于抽掉全部牌局信息的影响（37.1 分）。而去掉选项前的提示词（如“Proud:”）只影响 0.4 分。

换句话说，问法的细节比很多人想象的重要得多。这也是研究者坚持用三种选项顺序、取多数答案的原因，并且明确标注：文中每一个单独的比例都可能随提问方式大幅移动，真正稳健的是第 2 到 6 节呈现的模式——它们在改变选项顺序和对手后依然成立。

选项顺序效应（Order Effect） 指问卷或测试中，选项呈现的先后顺序会系统性影响作答结果。在语言模型评测中，这一效应尤为突出，因为模型对输入中靠前或靠后的 token 存在位置偏好。实验中仅改变选项顺序，luna 某个选项的占比就从 16% 波动到 40%，说明单次提问的结果可能被呈现方式大幅扭曲。

选项 ID 效应 指选项的内部标识符（如编号或标签）变化对模型选择的影响。实验中改变选项内部 id 对 Jev 答案的影响达到 37.9 分（满分 100），几乎等同于抽掉全部牌局信息的影响（37.1 分）。这意味着模型可能部分依赖表面标识而非语义内容做判断。研究者因此采用三种选项顺序、取多数答案的方式，以降低这类系统性噪声。

局限与边界

原文的诚实值得单独一提。作者列出了七条局限，包括选项由自己设计、对手是自己写的机器人、Jev 用概率作答而语言模型用文字作答因而不可直接比较、第 2 和第 3 节的情境拆分是在看到结果之后做的。作者反复强调：实验不回答模型“真实感受”是什么，只测量它选了什么、以及这个选择依赖什么。

对关注 AI 应用的开发者来说，这个实验的实用价值在于：当你让模型评价自己的工作、复盘一次对话或给一段代码打分时，它给出的“自我评估”高度依赖你提供的信息切片。给它看过程，它谈技术；给它看结果，它谈运气；给它看对手，它可能把矛头指向别人。这不是 bug，而是当前模型归因机制的一个稳定特征，值得在设计任何 AI 自评环节时纳入考量。

更多图表和原始数据在 QUANT.POKER 的 Observation 02 页面。