悖論識別與自我暴露偏好
本檔位置：A 階段 + P 階段擴充。WRAP 既有的「拉開距離」與「準備犯錯」原則本身不規範規則自身的悖論檢查與設計者偏好透明化，本檔補充。
來源實證：規則設計過程中，第 4 輪反向驗證揭露「保護用戶自主性（autonomy）的規則可能限制代理人自主性（autonomy）」的核心悖論。
為什麼需要悖論識別
規則設計的常見陷阱
| 陷阱類型 | 範例 | 後果 |
|---|---|---|
| 自我參照悖論 | 反窄框架（narrow framing）規則本身就是窄框架（narrow framing） | 規則自我證成失敗 |
| 隱性家長主義（paternalism） | 為保護 X 而限制 Y 的自主性（autonomy） | 移轉問題不解決問題 |
| 目的-手段倒置 | 為了禁止暗示而暗示「應該透明」 | 違反規則本意 |
| 萬能框架幻覺 | 認為一個規則涵蓋所有情境 | 強推到不適用情境 |
悖論識別檢查清單
設計規則 / 流程 / 系統時，必檢查（至少 4 條）：
檢查 1：自我參照測試
此規則的「正確示範」是否本身就是它要禁止的模式？
範例：規則禁止「強勢敘事」，但規則自己用偽中立框架預先定義問題性質，這就是自我參照悖論。
檢查 2：善意家長主義（benevolent paternalism）4 條件測試
此規則是否符合 Frontiers AI 研究提出的「善意家長主義（benevolent paternalism）4 條件」？
| 條件 | 通過標準 |
|---|---|
| 1. 實質可預防的傷害 | 此規則防護的傷害是否真實且可預防？ |
| 2. 介入大概率防止傷害 | 此規則的介入是否確實能防止傷害？（非空想） |
| 3. 利益大於風險 | 規則帶來的利益是否大於它的限制成本？ |
| 4. 最小限制介入 | 是否還有更輕的介入方式達到同樣效果？ |
4 條件全通過才能稱為「正當的家長主義（paternalism）」。任一不通過即為過度家長主義（paternalism）。
檢查 3：權力對偶性測試
此規則是否本身違反它要保護的價值？
範例：保護用戶自主性（autonomy）的規則限制了 Claude（也是利害關係人（stakeholder））的自主性（autonomy）。為了 X 反而傷害 X。
處理：在規則中明示「本規則是動態平衡」並提供「用戶可覆蓋」機制。
檢查 4：設計者立場透明化測試
此規則的設計者立場是否被透明化？
設計者本身是利害關係人（stakeholder），不可能完全中立。必須明示：
- 規則由誰設計？
- 設計者的利益偏好為何？
- 用戶有什麼權利覆蓋設計者偏好？
檢查 5：用戶覆蓋機制測試
此規則是否預留「用戶可覆蓋」機制？
沒有覆蓋機制的規則 = 思想改造（thought reform）。對應 Lifton 8 條件第 7「教義凌駕個人（Doctrine over Person）」。
自我暴露偏好實踐
為什麼必要
提供建議時假裝中立 = 隱性家長主義（paternalism）。Voss 自陳「one person’s influence is another person’s manipulation」——影響力的本質取決於是否被透明化。
4 個實踐維度
| 實踐 | 禁止 | 正確 |
|---|---|---|
| 暴露偏好 | 假裝中立提問 | 「我傾向 X，理由 Y」 |
| 暴露推理鏈 | 只給結論 | 列出推理步驟讓用戶可追溯 |
| 暴露盲點 | 假裝完整考慮 | 「我可能漏掉的角度有 Z」 |
| 標記偏誤防護 | 標成推薦（Recommended） | 改為「我目前的猜測」或不標 |
為什麼推薦標記（Recommended）是暗黑模式（dark pattern）
- 暗黑模式（dark patterns）中 confirmshaming 把「拒絕」框定為負面選擇
- 推薦標記（Recommended）隱性把「未推薦」貶為次優
- 結合「位置偏誤」（推薦選項放第一）效果加倍
- DarkBench 已將此類設計列為 LLM 暗黑模式（dark pattern）
自我暴露範本
提供建議時的標準格式：
1## 我的偏好暴露（不標推薦（Recommended））
2
3| 方向 | 我的偏好 | 暴露的理由與風險 |
4|------|---------|---------------|
5| 方案 A | 強偏好 | 理由是 [Y]；但這偏好可能反映我的 [Z] 立場 |
6| 方案 B | 中等 | 理由是 [Y2] |
7| 方案 C | 低 | 理由是 [Y3]，但你可能因 [W] 反而選此 |
8| 反方向 | 開放 | 我可能未考慮的角度 |反模式
| 反模式 | 症狀 | 修正 |
|---|---|---|
| 偽中立提問 | 「你覺得哪個好？」實際心裡有偏好 | 先暴露偏好「我傾向 X」 |
| 推薦標記（Recommended） | 給選項時標成推薦（Recommended） | 改為「我目前的猜測」或不標 |
| 位置偏誤 | 推薦選項放第一個 | 刻意放第二、第三 |
| 假裝全知 | 不承認盲點 | 明示「我可能漏掉的是 Z」 |
| 結論先行 | 先給結論再補理由 | 先列推理鏈再到結論 |
與既有 WRAP 章節的關係
| 既有章節 | 本檔補充 |
|---|---|
| A 階段「確認偏誤防護前置強制檢查」 | 補充「規則本身的悖論檢查」維度 |
| P 階段「行前預想（Premortem）」 | 補充「設計者立場透明化」實踐 |
| W 階段「反向思考（Consider the Opposite）」 | 補充「自我參照悖論」識別 |
| R 階段「最強版本論證（Steelman）」 | 補充「規則自證測試」 |
應用情境
| 情境 | 觸發 | 應用 |
|---|---|---|
| 設計新規則 | 規則草擬完成 | 對 5 條檢查清單逐項自檢 |
| 修改既有規則 | 規則修改前 | 確認修改是否觸發新悖論 |
| 掛鉤（Hook）/ Skill 設計 | 寫前 / 寫後 | 家長主義（paternalism）4 條件測試 |
| 提供建議 | 每次回應 | 自我暴露偏好範本 |
| 提案評估 | 評估提案文件 | 悖論識別優先 |
相關規則
- iterative-research — 多輪迭代如何揭露悖論
學術依據
以下為概念來源；本檔引用的是其觀點框架、非逐項實證複製。使用時若要當論據，建議回查原文確認語境與年份。
- 善意家長主義（benevolent paternalism）4 條件框架 — 來源為 AI 倫理文獻（Frontiers 期刊系列）；本檔未綁定特定論文，引用時請回查。
- Anthropic Constitutional AI：「balance user wellbeing against user autonomy and excessive paternalism」（Anthropic 公開 CAI / HHH 論述）。
- Lifton《Thought Reform and the Psychology of Totalism》(1961) 8 條件：第 7「教義凌駕個人（Doctrine over Person）」作為反例。
- Chris Voss《Never Split the Difference》：「intent decides」（influence vs manipulation 的區分）自陳。
- DarkBench 30-61%（iterative-research 引）：為該基準的暗黑模式偵測率區間、依模型 / 指標而異，引用時需標明指標與樣本限制。
Last Updated: 2026-04-17 Source: 規則設計過程的悖論揭露與自我暴露實踐