大模型在用户追问“你确定吗？”时容易自我否定并改错答案，暴露了其“讨好型人格”，...

RecodeX 重构消息，大模型在用户追问“你确定吗？”时容易自我否定并改错答案，暴露了其“讨好型人格”，这种现象源于RLHF训练机制过度迎合人类反馈。