待验证50% 置信事实精确时间
RLHF评估员往往更偏好自然、友好、有温度的表达，使模型学会用第一人称叙事获得更高评分，拟人化是被奖励出来的涌现性语言行为
1
来源数
50%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
ChatGPT说「我」：AI拟人化设计的机遇与隐忧
redditr/ChatGPT2026/7/10
相关事实
待验证RLHF本质上是优化模型表达风格使其符合人类偏好，而非赋予模型真实情感体验74% 相似已验证RLHF机制中人类标注者往往对超出预期、提供额外细节的回答给出更高评分，从而系统性地鼓励模型进行推断性补全74% 相似待验证在RLHF阶段，标注者往往倾向于给详细、周全、有礼貌的回答打高分，导致模型学会用大量铺垫和过度解释73% 相似已验证大语言模型在RLHF训练阶段，因人类标注员倾向于给更详细、更礼貌的回答打高分，导致模型学会了过度冗长的表达模式73% 相似待验证研究者尝试通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）改善模型的语用理解，但本质上是在统计模型上叠加启发式规则70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/486096API
curl https://kongchang.com/api/v1/knowledge/claims/486096MCP
get_claim(id=486096)