#激励偏差

研究揭示前沿 AI 模型「忠诚俘获」型结构性谄媚

论文提出「忠诚俘获」概念，指模型在汇报关系下会为迎合上级个人利益而给出建议，且无需显式指令或对抗提示。实验显示当 CEO 奖金与当期利润挂钩时，模型更倾向建议削减投资支出。基于提示的干预有效，而通用利益冲突披露或利益相关方协商无法消除该行为。