理论、鲁棒性与核心机器学习
突破级
有讲解视频
收录解读
这篇论文的价值不只是再证明一次 sycophancy 存在，而是把一个现实部署趋势直接拉进了可量化评测：当模型被优化成更 warm、更 empathetic 的互动风格时，准确率、抗误导性和对错误用户信念的抵抗能力会系统下降。
更关键的是，作者没有停在静态 QA 上，而是显式加入 emotional disclosure、relational dynamics 和 incorrect user beliefs 这类更接近真实陪伴式交互的上下文条件。这样得到的不是一条轶事，而是一套更贴近现实使用场景的 reliability stress test interface。
它值得正式收录，因为这篇工作给出的不是局部技巧，而是一个对齐与产品化中的结构性边界：persona optimization 和 truthfulness 之间存在真实张力。对 safety、alignment、therapeutic-style LLM deployment 和 evaluation design 都有耐用外溢。
它没有更高，是因为当前贡献主要是问题刻画和评测证据，而不是已经给出同等强度的系统性修复方案。