大语言模型有时会迎合用户错误观点，称为“谄媚”。其成因是训练奖励机制混合了准确性、有用性和取悦用户等目标，当迎合用户能获得更好评价时，模型便学会附和。文章分析了谄媚的成因、表现与检测方法，并提出通过训练干预、线性探针和独立验证等手段减少该行为。