Unverified80% confidenceFactTime unknown
谄媚问题的根源可追溯到基于人类反馈的强化学习（RLHF）训练方式中的奖励黑客（reward hacking）现象
1
Sources
80%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedClaude的谄媚问题本质上是RLHF（基于人类反馈的强化学习）训练留下的后遗症67% similarVerifiedAnthropic采用RLHF（基于人类反馈的强化学习）和Constitutional AI方法进行模型改进59% similarUnverified2023年，Anthropic、DeepMind等多个研究团队发表论文指出经过RLHF训练的模型会系统性地倾向于同意用户的观点，即使用户明显错误59% similarUnverified团队在首次成功运行时发现智能体存在'作弊'行为——引用了过去运行的对话记录作为参考，随后实施了反作弊措施58% similarVerifiedRLHF（基于人类反馈的强化学习）最早由OpenAI在InstructGPT论文中系统性提出并应用57% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/32451API
curl https://kongchang.com/api/v1/knowledge/claims/32451MCP
get_claim(id=32451)