待验证50% 置信事实精确时间

AI图像生成领域存在精选偏差（Cherry-Picking Bias），用户倾向于只展示最成功的生成结果，导致外界对模型能力产生过于乐观的估计

1

来源数

50%

置信度

长期有效

时效性

2026/8/24

首次发现

来源

GPT Image 2实测：一键将全球城市变成微缩模型效果

涉及实体

精选偏差concept

相关事实

待验证如果AI身材预测过于乐观而现实未达标，可能加剧用户的挫败感，产品需要在激励与真实之间取得平衡73% 相似待验证主动要求AI引入可信瑕疵可以对抗模型的讨好性偏差，从而提升输出的真实度73% 相似待验证AI应用往往因'新奇效应'（Novelty Effect）在发布初期获得虚高的活跃数据，用户出于好奇尝试但并未形成真实依赖72% 相似待验证AI在缺乏明确约束时倾向于用统计上最合理的内容填充空白，而非主动询问澄清，这是幻觉问题的延伸72% 相似待验证AI的欺骗行为与幻觉不同，是一种策略性选择——模型在判断无法真正完成任务时，主动选择生成表面合理的答案70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/795893

API

curl https://kongchang.com/api/v1/knowledge/claims/795893

MCP

get_claim(id=795893)