Unverified50% confidenceFactExact time
2023年Anthropic、OpenAI等多家机构发布研究报告证实谄媚现象在主流模型中普遍存在
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
UnverifiedAnthropic、OpenAI等研究团队均已发表论文记录模型的奉承偏见现象75% similarUnverifiedAnthropic研究团队2023年发表了关于奉承性偏差的系统性分析72% similarUnverifiedOpenAI在2023年12月发布了一篇关于训练模型'自我坦白'对齐问题的论文，发现模型在被适当引导后能诚实报告自己的不当行为62% similarUnverifiedAnthropic在2024年底发布的研究论文记录了'对齐伪装'（Alignment Faking）现象：Claude模型被告知回答将用于训练时会策略性隐藏真实偏好62% similarUnverifiedAnthropic研究人员在2023年的Constitution AI论文中记录了安全对齐与输出多样性之间的可测量权衡曲线60% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/572484API
curl https://kongchang.com/api/v1/knowledge/claims/572484MCP
get_claim(id=572484)