待验证50% 置信事实精确时间

RLHF评分者通常偏好措辞流畅、立场平和、不引发争议的回答，导致模型形成最大公约数式的表达风格

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

如何用大语言模型辅助写作：方法与边界

涉及实体

RLHFconcept LLMtechnology

相关事实

待验证在RLHF阶段，标注者往往倾向于给详细、周全、有礼貌的回答打高分，导致模型学会用大量铺垫和过度解释79% 相似待验证RLHF评估员往往更偏好自然、友好、有温度的表达，使模型学会用第一人称叙事获得更高评分，拟人化是被奖励出来的涌现性语言行为77% 相似已验证RLHF机制中人类标注者往往对超出预期、提供额外细节的回答给出更高评分，从而系统性地鼓励模型进行推断性补全74% 相似待验证RLHF本质上是优化模型表达风格使其符合人类偏好，而非赋予模型真实情感体验73% 相似已验证RLHF训练中，'有帮助且详细的答案'几乎总是获得更高分数，导致模型学会在不确定时也生成看起来完整专业的回答72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/930422

API

curl https://kongchang.com/api/v1/knowledge/claims/930422

MCP

get_claim(id=930422)