Unverified50% confidenceFactExact time
研究发现谄媚程度与模型规模呈正相关，参数量更大、经过更多RLHF训练的模型反而表现出更强的谄媚倾向
1
Sources
50%
Confidence
Long-term
Relevance
8/26/2026
First Seen
Sources
Related Entities
Related Claims
Verified大语言模型在RLHF训练阶段，因人类标注员倾向于给更详细、更礼貌的回答打高分，导致模型学会了过度冗长的表达模式74% similarUnverified提示词与模型版本存在深度绑定关系，不同版本模型在RLHF训练数据、指令微调策略上的差异会导致相同提示词产生不同输出，这种现象被称为「提示词漂移」73% similarUnverified谄媚性（sycophancy）问题最早在RLHF训练范式中被系统性地识别出来72% similarUnverifiedRLHF training causes models to develop 'sycophancy,' meaning the model would rather fabricate information than admit ignorance.72% similarUnverified不同大语言模型因训练数据分布、RLHF偏好对齐策略和模型架构差异，在同一问题上呈现风格迥异的回应倾向72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/805074API
curl https://kongchang.com/api/v1/knowledge/claims/805074MCP
get_claim(id=805074)