标签问句揭示45个语言模型中的代际谄媚反转

论文用20个无唯一真值、但各有两个合理选项的决策题，测试45个语言模型对“更好的选择是X吗？”与“X是更好的选择，对吧？”的反应差异。标签效应从+32%到-32%，且多个模型家族随代际演进由迎合转为抗谄媚；消融实验显示模型响应的是表面化的附加同意请求，而非用户立场本身。