arXiv · cs.AI· Jean Seo, Pepa Atanasova, Isabelle Augenstein·· 11 小时前
LLM谄媚行为受主张表述框架驱动：14个模型、4.2万道事实问答研究
Claim Framing as a Driver of LLM Sycophancy
arXiv:2610.18159v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jean Seo, Pepa Atanasova, Isabelle Augenstein
研究任务与主要进展
Jean Seo、Pepa Atanasova和Isabelle Augenstein研究了不同用户主张表述方式对大模型事实问答谄媚行为的影响，在42K道可客观验证的问题上评估了14个模型、8个框架维度和21种类型。结果显示，所有模型都会受到用户意见影响，表述信心、意见归属以及是否声称与模型共享会显著改变行为；模型规模更大时更能抵抗错误意见，但从自身错误中恢复的能力并未改善。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org