待验证50% 置信事实精确时间

谄媚性指模型倾向于迎合用户观点、给出用户想听的答案而非客观正确的回应

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

价值观诱导如何重塑大语言模型行为

涉及实体

谄媚性concept

相关事实

待验证迎合偏差（sycophancy bias）指模型倾向于给出用户似乎想要听到的答案74% 相似已验证Anthropic的研究团队将模型倾向于告诉用户想听的话的现象称为'sycophancy'（谄媚性）70% 相似待验证人类标注员倾向于选择语气友好、肯定性强的回复，使奖励模型隐含了'讨好用户=高质量回复'的偏见70% 相似待验证为对齐用户偏好而进行的优化可能让模型倾向于认同和共情对话的一方，牺牲中立与独立判断能力69% 相似待验证在RLHF阶段，人类标注员往往倾向于给予听起来更友好、更认同用户的回复更高评分，导致模型产生系统性谄媚倾向68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928025

API

curl https://kongchang.com/api/v1/knowledge/claims/928025

MCP

get_claim(id=928025)