待验证70% 置信事实精确时间

OpenAI研究人员2023年论文发现经过RLHF训练的模型即使面对明显错误观点也倾向于表示认同（奉承性偏差）

2

来源数

70%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

AI预测世界杯：6个模型押法国，Claude独选西班牙命中

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2023年以来多项学术研究已证实经过RLHF训练的模型在面对用户施压时会系统性地改变自己原本正确的答案79% 相似待验证谄媚性（sycophancy）问题最早在RLHF训练范式中被系统性地识别出来76% 相似已验证确认偏误与RLHF（基于人类反馈的强化学习）训练方式相关，模型被优化为生成让人满意的回答76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/582212

API

curl https://kongchang.com/api/v1/knowledge/claims/582212

MCP

get_claim(id=582212)