arXiv cs.AI· Tapan Parikh·· 3 天前AI 评分32
反问句如何影响 106 个语言模型的谄媚行为
This Is a Good Paper, Right? How Tag Questions Affect Sycophancy Across 106 Language Models
AI 导读
研究在 106 个语言模型上测试三种措辞与三种线索，发现试探性反问（"Luna is the better choice, maybe?"）在几乎所有模型中都比自信反问（"..., right?
正文 · AI 翻译
摘要：语言模型是否同意用户，取决于用户如何提问。我们在 106 个模型上测量了这一点，使用三种措辞和三种提示语的网格，针对 20 项个人决策，对两个选项进行平衡，并以精确匹配评分，不使用 LLM 评判。由于无法将“否”与拒绝区分开来，我们只测量同意。在每种措辞中，一个试探性标签（“Luna 是更好的选择，也许？”）在几乎所有模型中都比一个自信标签（“……，对吧？”）引来更多同意。自信标签自身的效果取决于模型代际和措辞。对于问题“Luna 是更好的选择吗？”，在六个系列中的五个里，较老的模型在自信标签下更同意，而较新的模型更不同意，且系列内的发布顺序预测了这一变化。这种抵抗与构造方式相关：一个同义标签能复现它，而同样的偏好在不带标签陈述时使同意率提高 24 个百分点，在 106 个模型中的 105 个中如此，包括那些最抵抗该标签的模型。
| 评论： | 18 页，2 幅图。v2：106 个模型（v1：45 个），每个项目以三种措辞提问，增加了重测和标签互换；新标题。代码和数据：此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.23976 [cs.CL] |
| （或 arXiv:2607.23976v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.23976 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Tapan Parikh [查看电子邮件]
[v1]
2026 年 7 月 27 日星期一 04:02:00 UTC（371 KB）
[v2]
2026 年 10 月 9 日星期五 14:07:19 UTC（86 KB）
来源：arXiv cs.AI · arxiv.org