接受性，而非谄媚：区分参与与屈从
来自 arXiv · 期号 2026-09-22
摘要
语言模型的谄媚问题（顺从用户观点）是关注焦点。但社会谄媚评估使用的标记（如验证、积极）恰好与心理学中的“接受性”特征重叠，导致评估可能混淆。 本文分析道德建议数据集发现，被分类为更谄媚的回答实际上也更具有接受性；人为增加接受性（不改结论）也会使其被分类为更谄媚。这表明现有评估可能无意中惩罚了期望的对话行为。 在预注册实验中，参与者更偏好接受性更高的回答，更愿意听取作者建议，即使认为原提问者观点错误。最后作者提出简单方法，可在不增加实质性屈从的前提下显著提高接受性，证明两者可以兼得。