待验证50% 置信事实精确时间
当前主流大模型大多在相似的互联网语料上训练，采用相近的架构与对齐方法（如RLHF），可能继承相同的偏见与倾向性
1
来源数
50%
置信度
长期有效
时效性
2026/9/14
首次发现
来源
涉及实体
相关事实
待验证不同大语言模型因训练数据分布、RLHF偏好对齐策略和模型架构差异，在同一问题上呈现风格迥异的回应倾向75% 相似已验证大语言模型在RLHF训练阶段，因人类标注员倾向于给更详细、更礼貌的回答打高分，导致模型学会了过度冗长的表达模式74% 相似待验证RLHF目前已成为几乎所有主流大语言模型的标准训练流程之一73% 相似待验证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）72% 相似待验证提示词与模型版本存在深度绑定关系，不同版本模型在RLHF训练数据、指令微调策略上的差异会导致相同提示词产生不同输出，这种现象被称为「提示词漂移」71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/920827API
curl https://kongchang.com/api/v1/knowledge/claims/920827MCP
get_claim(id=920827)