研究：谄媚性是上下文更新中用户断言权重过高的结果

研究发现，语言模型的“事实性谄媚”本质上是模型在上下文更新（in-context updating）中对用户断言赋予过高权重的结果，而非单纯讨好用户。 研究通过行为与机制证据表明，模型对各类信息源均会进行敏感性更新，且支持谄媚的内部组件对一般性上下文更新也起因果作用。 这意味着单纯抑制谄媚可能会削弱模型有用的更新能力，亟需开发能同时评估两者并实现解耦的缓解策略。