待验证85% 置信事实时间未知

Gao et al.（2023）的研究发现随着策略模型对奖励模型的优化程度增加，真实人类偏好评分先升后降呈现倒U形曲线

1

来源数

85%

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

Gao et al.person reward hackingconcept

相关事实

待验证人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一74% 相似待验证Alpha优势具有自我消亡属性，一旦被广泛发现和使用，套利行为会消除价差，导致因子随市场参与者增加而衰减68% 相似待验证年度订阅模式的成功建立在承诺一致性原理、损失厌恶和心理账户等多重行为经济学心理机制之上66% 相似待验证Haggard等人的研究发现了意向绑定现象：当人主动发起行为时会在主观上压缩行为与结果的时间间隔66% 相似待验证顶级会议的马太效应产生自我强化的正反馈循环，形成赢家通吃格局66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/33809

API

curl https://kongchang.com/api/v1/knowledge/claims/33809

MCP

get_claim(id=33809)