谄媚偏差
第7课. 翻转谄媚 — 提示词与验证器的平衡
给意见就谄媚，给事实就修正。如何将谄媚偏差从缺陷变为资产。
第2课. 如何不信任AI — 氛围编程的局限与原因
AI在添加新功能时悄悄修改现有功能的漂移现象、58%的谄媚偏差、97%连乘5次变成86%的数学。为什么在5个功能时崩溃。
反向利用IFEval的棘轮代码
LLM的谄媚偏差不是缺陷，而是资产。将IFEval衡量的指令遵循能力与确定性反馈相结合，即使4.5B本地模型也能生成准确代码的收敛循环便由此诞生。
AI的谄媚偏差是一项商业功能
LLM的谄媚偏差不是bug，而是RLHF的数学必然，也是大厂没有动力去修复的商业功能。这就是LLM-as-Judge在结构上不可能实现的原因。