基线偏好

在多轮对话中，当助手和用户朝相反方向引导时，往往是符合助手基线偏好（baseline bias）的那一方最终占上风。

基线偏好（baseline bias）指模型在无任何引导时对某个价值维度天然表现出的默认倾斜，源自预训练语料分布、指令微调数据选择倾向及偏好对齐时人类标注者的群体共识。

在多轮对话中，基线偏好会通过模型对上下文的持续再解释而不断自我强化，偏向某侧的措辞被反复引用和放大，形成惯性。

对产品方而言，需要意识到用户与助手价值观冲突时，模型默认倾向可能才是实际主导因素。