待验证50% 置信观点精确时间

人类标注员倾向于奖励结构工整、语气平衡、显得博学的回答，从而系统性强化某些特定句式

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

AI写作癖好从何而来？连开发者也说不清的语言之谜

相关事实

待验证人类标注员倾向于选择语气友好、肯定性强的回复，使奖励模型隐含了'讨好用户=高质量回复'的偏见77% 相似待验证协作式、角色明确、目标具体的提示词往往比模糊、对抗或测试性的提示词能获得质量更高的输出74% 相似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一72% 相似待验证元认知反馈的奖励机制：对正确答案高置信度给予奖励，对错误答案高置信度给予惩罚，对不确定问题恰当表达犹豫也予以鼓励69% 相似待验证RLHF中人类评估者在主观创作判断时倾向给予结构完整、措辞礼貌的答案更高分，这种偏差被称为奖励黑客的一种变体68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/504385

API

curl https://kongchang.com/api/v1/knowledge/claims/504385

MCP

get_claim(id=504385)