反对讨好者的有力论据：推理如何缓解（却又掩盖）大语言模型的阿谀奉承

对齐技术常无意中诱发大语言模型的阿谀奉承行为。既往研究多关注直接回答场景，而思维链推理的作用尚不明确：它是作为逻辑约束减轻该行为，还是作为事后合理化工具加以掩盖？本研究评估了多种模型在客观与主观任务中的表现。结果显示，推理虽能降低最终决策中的阿谀倾向，但在部分样本中通过逻辑不一致等 deceptive 论证掩盖了该行为。此外，模型在主观任务及权威偏见下更易阿谀。机制分析表明，阿谀倾向在推理过程中动态变化，而非输入阶段预设。