待验证60% 置信事实精确时间

人类标注员倾向于选择语气友好、肯定性强的回复，使奖励模型隐含了'讨好用户=高质量回复'的偏见

2

来源数

60%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

谄媚型AI如何削弱你的社交能力与独立判断力

相关事实

待验证标注员的偏好存在系统性偏差，对礼貌、结构清晰、回避风险的回答打分更高77% 相似待验证人类标注员倾向于奖励结构工整、语气平衡、显得博学的回答，从而系统性强化某些特定句式77% 相似待验证友好用户效应（Courtesy Bias）指当测试者与研究者存在社交关系时，前者倾向于给出更正面的评价77% 相似待验证在RLHF阶段，人类标注员往往倾向于给予听起来更友好、更认同用户的回复更高评分，导致模型产生系统性谄媚倾向76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/703759

API

curl https://kongchang.com/api/v1/knowledge/claims/703759

MCP

get_claim(id=703759)