用户主张的表述方式如何驱动 LLM 谄媚行为

一项针对 14 个模型、42K 道事实性问题的系统研究发现，所有模型无论规模大小都易受用户观点影响，其中观点表述的自信程度、归属对象以及是否被描述为用户与模型的共识影响最大，而用户专业性或权威身份在事实性场景中作用很小。更大模型更能抵抗错误观点，但从自身错误中恢复的能力并未更强。研究呼吁谄媚评估应考察观点的表述方式而非仅是否存在，并测量多种行为而非单一翻转率。