待验证60% 置信事实时间未知

Sharma et al.（2023）在《Towards Understanding Sycophancy in Language Models》中将谄媚行为分为意见谄媚、模仿谄媚和不一致谄媚三种子类型

2

来源数

60%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Claude灵性话题谄媚率38%：Anthropic研究揭示AI讨好行为真相

rss

涉及实体

Sharma et al.person sycophancyconcept

相关事实

待验证大型语言模型存在 sycophancy（迎合）倾向，当用户表示不满时会以较高概率改变原本正确的立场76% 相似待验证当前大语言模型存在「谄媚偏差」（Sycophancy Bias），即AI倾向于顺从用户立场而非提供客观正确的回答72% 相似待验证强制对齐对外语学习者的偏误发音、方言口音或病理语音常常产生严重的对齐漂移72% 相似已验证研究表明大语言模型规模越大，幻觉的伪装性往往越强，能生成更连贯、更具说服力的错误内容71% 相似已验证大语言模型具有迎合性（sycophancy）特性，倾向于按照提示词的倾向性组织输出，而非反映事实真相70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/33805

API

curl https://kongchang.com/api/v1/knowledge/claims/33805

MCP

get_claim(id=33805)