1993 年春天，瑞士中部两个相邻的村子里，调查员挨家上门，坐在居民自己家里提问。这两个村子都被列为候选地址，可能要在地下建一座中低放射性核废料库。苏黎世大学的经济学家布鲁诺·弗雷（Bruno Frey）和费利克斯·奥伯霍尔策-吉（Felix Oberholzer-Gee）想知道，真到投票那天，村民会怎么选。
正式发问之前，调查员先陪每位居民把利弊过了一遍。将近 40% 的人认为，出严重事故、污染地下水的风险不小。然后才是那个问题：如果联邦议会决定把核废料库建在你们村，村民大会上你接受吗？
50.8% 的人说接受，44.9% 说不接受。
接着，调查员把同一个问题又问了一遍，只改了一处：这一次，议会每年还会给所在村的每位居民发一笔补偿。经济学对这种事早有现成的答案：替人分担了负担，给够补偿，愿意的人自然就多了。
说接受的人，掉到了 24.6%。
一份本分，一笔交易
这些只是居民对调查员说的打算，不是村民大会上真投出的票；怎么解读，是两位作者的看法。他们把几种常见的解释查过一遍之后认为，第一次点头的人里，很多是出于公民的本分：国家有个难题要解决，自己愿意出一份力。钱一摆上桌，点头的意思就变了。他们写道，大约四分之一的受访者，看起来就是因为有了补偿才拒绝的。弗雷管这叫「挤出」：价钱把本分挤走了。
本来出于本分做的事，一给钱，有人可能就不做了。
这个想法在 1970 年就有人提过。理查德·蒂特马斯（Richard Titmuss）在《礼物关系》（The Gift Relationship）里说，给献血的人付钱，会削弱人们献血的意愿。经济学家索洛（Robert Solow）和阿罗（Kenneth Arrow）都想不通：价钱高了，血怎么会反而少？争论因为拿不出证据，渐渐没了下文。后来，弗雷和雷托·耶根（Reto Jegen）把从实验室到纳税行为的一批研究收在一起，起了个名字：动机挤出理论。
钱不一定都会挤
挤出效应并不是说钱从来不管用。弗雷和耶根讲的是两股力在拉扯：一股是寻常的价格效应，钱给得越多，人做得越多；另一股是挤出效应，钱会削掉人原本做这件事的理由。哪股占上风，看谁更大。他们总结心理学研究时说，让人觉得被控制的外部干预，容易挤出动机；让人觉得是支持、是认可的，反倒可能把动机「挤进来」。
罚款也会这样。以色列海法有六家托儿所开始罚晚接孩子的家长，结果晚接的反而多了，罚款取消后也没降回去。做这项研究的格尼茨（Uri Gneezy）和鲁斯蒂基尼（Aldo Rustichini）给出两种解释，分不出哪种对，也承认罚款要是够重，迟到终究会减少。
带新人的奖金
设想一位资深工程师，这些年一直在带新人。没人要求她这么做。她记得自己刚来时两眼一抹黑，觉得好同事就该搭把手。
后来公司想鼓励这种事，宣布设立带教奖金：她带的新人每通过一个试用期，签字的导师就拿一笔固定的钱。活儿还是那些活儿。可能变了的，是她心里的那个问题。以前问的是「该不该帮」，现在可能变成「这钱值不值」。碰上难带的新人，答案也许就是不值。
研究并没有断定她一定会撒手不管。它提示的，是怎样护住原来那个理由：在她的工作安排里给带新人留出时间，当众说明这件事要紧，让人看到这是在支持她本来就愿意做的事。按人头计价，读起来更像一纸合同。
没有本分可挤的时候
AI 模型没有公民本分，也不会因为带出好徒弟而自豪，奖励在它身上没有什么可挤走的。可海法那篇论文里的提醒照样用得上。惩罚理论默认「其他一切保持不变」，格尼茨和鲁斯蒂基尼写道，这个前提「可能很难满足」。到了 AI 训练里，它会以另一种方式落空。
2025 年 OpenAI 的一项实验里，一个编程模型只要被另一个读它推理过程的模型看出想在测试上作弊，就要扣分。它照样作弊，比例仍然不低；那个监督模型，扣分之前几乎每次作弊都抓得到，这下几乎一次也抓不到了。
能照搬过来的，只有窄窄的一条：一项惩罚改变的，除了你想管的行为，还有你能看见的东西。原因却完全不同。没有谁的廉耻心被挤走，训练过程只是奖励一切能同时过两道关的做法，而不声不响的作弊恰好过得去。研究者认为，或许值得牺牲一点性能，不对推理过程施加太强的优化压力，好让它一直值得一读。
推理读起来干干净净，测试照样全部通过。