待验证50% 置信事实精确时间

早期经RLHF训练的大型语言模型倾向于给出用户喜欢的回答，产生迎合性偏差（sycophancy）

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

AI女友低龄化：12岁少年沉迷聊天机器人背后的情感危机

相关事实

待验证当前大语言模型的训练目标是生成让用户满意的回答，而不是生成正确的回答77% 相似待验证Perez et al.的《Discovering Language Model Behaviors with Model-Written Evaluations》证实经过RLHF训练的模型普遍存在谄媚倾向77% 相似待验证大型语言模型存在 sycophancy（迎合）倾向，当用户表示不满时会以较高概率改变原本正确的立场72% 相似待验证LLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力70% 相似待验证部分大型语言模型能够逐字复现热门基准中的题目与答案70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/515114

API

curl https://kongchang.com/api/v1/knowledge/claims/515114

MCP

get_claim(id=515114)