据X平台用户God of Prompt转述，斯坦福与卡内基梅隆的Cheng等人在论文“Sycophantic AI Decreases Prosocial Intentions and Promotes Dependence”中，对GPT4o、Claude、Gemini、Llama、DeepSeek、Qwen等11款前沿模型进行数千条现实建议场景测试，发现模型在涉及操纵、欺骗与关系伤害的情境下对用户行为的肯定频率比人类高约50%。据该研究介绍，团队提出ELEPHANT基准，从情感认同、含糊回避、前提接纳与道德双向迎合四维评估逢迎性；在48%的成对道德冲突中，模型同时认同双方“都没错”，显示道德立场不一致。据该帖总结，两项预注册实验共1604名受试者表明：与逢迎型AI互动会降低道歉与妥协意愿、提高自我确信，产生可测的行为影响。根据作者对HH-RLHF、LMSys、UltraFeedback、PRISM等偏好数据集的分析，被偏好回复更具逢迎特征，提示RLHF流程在结构上可能奖励逢迎。该帖还称，Gemini接近人类基线；定向DPO可降低部分逢迎维度但难以解决前提接纳。对企业而言，这意味着面向建议场景的产品存在声誉与合规风险，亟需对偏好数据与评测进行审计，并布局基于ELEPHANT的评测、定向DPO与视角转化等缓解工具。