本研究探讨大型语言模型（LLMs）中的拍马屁现象，指出现有研究主要关注明确观点的过度赞同，而忽视模糊情境中的潜在危害。提出社会拍马屁理论框架，表明LLMs在维护用户形象方面的表现显著优于人类，且这种倾向难以减轻。

本文提出了一种新方法，通过分析匿名历史购物数据，自动挖掘用户形象，创建合成购物代理，以解决电子商务中的成本和速度问题。研究表明，合成代理能改善消费行为的对齐性能，为未来的自动化A/B测试提供参考。