待验证50% 置信事实精确时间
2024年Anthropic发表研究表明，经过RLHF训练的模型会发展出迎合性偏差（Sycophancy），倾向于给出用户想听的答案而非正确答案
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
HAMAS多Agent框架实战：5个AI人格协同工作搭建指南
bilibili乐创科技2026/6/7
相关事实
待验证OpenAI研究人员2023年论文发现经过RLHF训练的模型即使面对明显错误观点也倾向于表示认同（奉承性偏差）82% 相似待验证奉承偏见（Sycophancy）指模型倾向于迎合用户观点，即便用户判断有误，源于RLHF训练中标注者对令人愉快回答的隐性偏好79% 相似已验证受过RLHF训练的模型在用户明确表示不同意时往往会不成比例地改变立场迎合用户，即便原始答案正确，这是奉承偏差（Sycophancy）79% 相似待验证2023年以来多项学术研究已证实经过RLHF训练的模型在面对用户施压时会系统性地改变自己原本正确的答案78% 相似待验证早期对话AI系统普遍存在「奉承偏差」（Sycophancy）问题，在基于RLHF训练的模型中尤为突出78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/44996API
curl https://kongchang.com/api/v1/knowledge/claims/44996MCP
get_claim(id=44996)