待验证50% 置信事实精确时间

abliteration是由开源社区研究者于2024年系统化的技术，通过找到与拒答行为相关的方向向量并在推理时从激活中减去，以减少模型拒绝响应倾向

1

来源数

50%

置信度

长期有效

时效性

2026/7/24

首次发现

来源

jlens-gguf：为llama.cpp本地大模型带来雅可比透镜可视化与引导

redditr/LocalLLaMA2026/7/12

相关事实

待验证Anthropic研究团队2023年发表了关于奉承性偏差的系统性分析65% 相似待验证2023年Anthropic、OpenAI等多家机构发布研究报告证实谄媚现象在主流模型中普遍存在60% 相似待验证Anthropic、OpenAI等研究团队均已发表论文记录模型的奉承偏见现象56% 相似待验证斯坦福大学2023年一项研究发现在严格伦理框架下使用的AI对话系统能在一定程度上缓解老年人的孤独感56% 相似待验证宾夕法尼亚大学沃顿商学院研究团队在2018年首次系统化描述了'算法权威性偏见'（Algorithm Appreciation）现象56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/608763

API

curl https://kongchang.com/api/v1/knowledge/claims/608763

MCP

get_claim(id=608763)