Unverified50% confidenceFactExact time
RLHF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
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
UnverifiedRLHF机制存在被学术界称为sycophancy（谄媚性）的副作用，Anthropic的论文《Sycophancy to Subterfuge》专门分析了该现象76% 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72% 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68% similarUnverifiedClaude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66% similarUnverifiedAnthropic研究团队2023年发表了关于奉承性偏差的系统性分析64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/518314API
curl https://kongchang.com/api/v1/knowledge/claims/518314MCP
get_claim(id=518314)