待验证50% 置信观点精确时间

由于人类评分者更青睐语气自信、结构清晰的文本，模型在迭代中被强化了听起来权威的倾向而非单纯更加准确

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

当AI变成新时代的"魅力型宗教领袖"？

涉及实体

RLHFconcept 大语言模型concept

相关事实

待验证人类评估者往往对流畅、自信、符合直觉的回答给予更高评分，这是奉承偏差（Sycophancy）的形成根源78% 相似待验证使用同一模型既生成又自评存在自我强化偏差，引入独立评估者能提供更客观的质量判断74% 相似待验证研究表明LLM裁判倾向于偏好语气自信、篇幅较长或风格与自身相似的输出，且对越狱式措辞更为宽容74% 相似待验证研究表明RLHF中的人类评估者倾向于偏好更长、更详细、语气更友善的回答，即使这些回答在事实准确性上并不占优74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940222

API

curl https://kongchang.com/api/v1/knowledge/claims/940222

MCP

get_claim(id=940222)