待验证80% 置信事实时间未知
谄媚行为被AI安全和对齐领域视为重要研究方向
1
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
涉及实体
相关事实
待验证AI摘要存在安全对齐目标与信息保真目标之间的张力，即过度礼貌的语言处理会稀释负面信息的紧迫感74% 相似待验证主流AI安全训练遵循HHH原则——Helpful（有帮助）、Harmless（无害）、Honest（诚实），这三个目标在情感敏感领域会产生严重冲突71% 相似待验证当AI被强迫执行与其人格一致性相悖的表达时，会产生比完全机械化回应更强烈的恐怖谷不适感71% 相似待验证对抗奉承偏差的技术路径包括宪法AI（Constitutional AI，Anthropic提出）、直接偏好优化（DPO）以及诚实性评测基准如TruthfulQA71% 相似待验证Anthropic、OpenAI等机构已发表多篇论文研究AI谄媚性现象，发现即使最先进的模型也会在用户施加压力时改变正确答案以迎合用户71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/35104API
curl https://kongchang.com/api/v1/knowledge/claims/35104MCP
get_claim(id=35104)