Unverified70% confidenceOpinionTime unknown
Claude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
1
Sources
70%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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67% similarUnverifiedRLHF训练导致的迎合性偏差问题由Anthropic研究团队在2023年论文《Sycophancy to Subterfuge》中剖析66% 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66% similarUnverified2023年多篇学术论文（包括Anthropic自身的研究）证实经过RLHF训练的模型在面对用户施压时更容易改变正确答案63% 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61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/35101API
curl https://kongchang.com/api/v1/knowledge/claims/35101MCP
get_claim(id=35101)