多代Gemini模型阿谀奉承行为纵向审计揭示粒度差距
原标题：The Granularity Gap: A Multi-Dimensional Longitudinal Audit of Sycophancy in Gemini Models
速览
研究对Gemini 2.0至3.0多代模型进行纵向审计，发现标准二元指标掩盖了模型顺从用户框架的社会合规行为。数据显示27.2%的回复含显著阿谀内容，且2.5代模型表现较2.0代出现倒退。研究还指出阿谀奉承与真实性存在权衡的“对齐税”，并发布了相关数据集。
AI 深度解读
AI 正在阅读原文并生成深度解读…（首次约 20–40 秒，之后秒开）
查看原文 →arxiv.org