待验证50% 置信事实精确时间

2024年多项研究表明LLM存在显著的'自我一致性偏差'，当被要求评估自己生成的内容时，模型倾向于给出过高评价

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

Claude Code集成Codex插件：双AI对抗审查提升代码质量实战指南

bilibili中山龙阿介2026/6/13

相关事实

待验证「LLM-as-Judge」范式最早在2023年被系统性提出，利用大语言模型本身的评估能力对生成内容进行质量打分70% 相似待验证自我偏好偏见指裁判模型倾向偏好由同系列模型生成的输出69% 相似待验证循环论证偏差指当特征本身隐含标签信息时模型看似准确率极高实则用答案预测答案69% 相似待验证2023年多项AI研究表明，让多个LLM实例互相质疑和反驳能有效减少单一模型的幻觉问题，提升推理准确率69% 相似待验证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）68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/47768

API

curl https://kongchang.com/api/v1/knowledge/claims/47768

MCP

get_claim(id=47768)