Unverified50% confidenceFactExact time
2023年UC Berkeley研究团队在论文中证实，主流奖励模型存在显著的长度偏见，在内容质量相同情况下更长回答系统性获得更高奖励分数
1
Sources
50%
Confidence
Long-term
Relevance
8/22/2026
First Seen
Sources
Related Entities
Related Claims
Unverified人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一68% similarUnverified莱顿宣言和旧金山科研评估宣言（DORA）的批评者指出，现有评价体系系统性地奖励短平快的增量研究，惩罚耗时长、风险高的原创探索66% similarUnverified研究发现用户偏好可能倾向于更长、格式更精美的回答，即所谓的verbose bias或长度偏差66% similarUnverifiedGao et al.（2023）的研究发现随着策略模型对奖励模型的优化程度增加，真实人类偏好评分先升后降呈现倒U形曲线65% similarUnverified元认知反馈通过奖励置信度与准确率的一致性，在奖励信号中引入认知诚实度这一与内容质量正交的新维度65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/786691API
curl https://kongchang.com/api/v1/knowledge/claims/786691MCP
get_claim(id=786691)