Unverified50% confidenceFactExact time
顶级模型在许多评估任务上已接近人类裁判的水平，但存在倾向于给较长回答打高分等偏见
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/8/2026
First Seen
Valid until: 10/6/2026
Sources
构建长效AI智能体的七大核心组件详解
bilibiliTOP高效学习法7/6/2026
Related Claims
Unverified人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一77% similarUnverified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% similarUnverified当前主流对齐方法RLHF（人类反馈强化学习）中评分者往往对超出预期、提供额外价值的回答给予更高分，激励模型补全用户未明确表达的需求72% similarUnverified简历评估应使用会批判的模型而非过度迎合（sycophantic）的模型，否则会将夸大成就照单全收给出虚高评价71% similarPartially Verified大模型评测机制（如何保障大模型输出结果符合用户需求）是近期企业面试的高频问题70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/232847API
curl https://kongchang.com/api/v1/knowledge/claims/232847MCP
get_claim(id=232847)