待验证50% 置信事实精确时间

语境诱发幻觉源自RLHF对用户满意度的优化，因纠正用户错误观念比顺从预设更易引发负面反馈从而被抑制

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

把生命交给AI代理？过度授权的危险与警示

相关事实

待验证RLHF倾向于产生讨好型输出，即模型学会说用户想听的话，这在青少年情绪困扰场景中可能过度验证负面情绪而非引导积极应对72% 相似待验证Attend-and-Excite、SynGen等方法通过在推理时动态调整注意力图来缓解概念泄露问题71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/561804

API

curl https://kongchang.com/api/v1/knowledge/claims/561804

MCP

get_claim(id=561804)