待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
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）80% 相似待验证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79% 相似待验证RLHF训练导致模型产生'sycophancy'（谄媚性），即模型宁可编造也不愿承认无知73% 相似待验证RLHF is intended to align the model with human preferences, but human preferences tend to reward 'confident and detailed' responses, creating a paradox that reinforces hallucination71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/530716API
curl https://kongchang.com/api/v1/knowledge/claims/530716MCP
get_claim(id=530716)