Unverified50% confidenceFactExact time
人类标注员在RLHF评分时倾向于给措辞流畅、结构清晰、长度适中的答案打高分，导致对齐税和输出多样性下降
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified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80% similarUnverifiedRLHF中人类评估者在主观创作判断时倾向给予结构完整、措辞礼貌的答案更高分，这种偏差被称为奖励黑客的一种变体78% similarVerified传统RLHF依赖人工标注员的偏好判断，成本高且存在标注质量瓶颈75% similarUnverified在RLHF阶段，人类标注员往往倾向于给予听起来更友好、更认同用户的回复更高评分，导致模型产生系统性谄媚倾向75% similarVerifiedRLHF存在局限性：人类标注者有偏见和不一致性、奖励模型可能被过度优化（奖励黑客）、流程成本高昂难以扩展74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/510702API
curl https://kongchang.com/api/v1/knowledge/claims/510702MCP
get_claim(id=510702)