يقدم الباحثون طريقة لتعلم وتصديق وسطاء التقارير المضادة للواقع التي تُحاذي تقارير نماذج اللغة مع معتقداتها الداخلية من خلال فرض عقد سببي. يضمن هذا النهج بقاء التقارير غير متغيرة تجاه التأثيرات المحظورة مثل ضغط المستخدم، بينما تظل مستجيبة للأدلة المسموح بها.
- تحدد الدراسة سببيًا إحداثيات التقارير منخفضة الرتبة للإجابة والثقة والتحذير باستخدام تدخلات التبادل على معيار الشاهد البايزي.
- يتم تقديم مشبك إحداثيات التقرير المضاد للواقع (CRC) الخالي من التدريب للإشارة إلى تقرير النموذج في سياق مُعاد تحييد الحوافز فيه.
- على معيار الشاهد، يحقق المشبك ذو المرورين درجات مقاومة وتحديث مشتركة تبلغ 1.00 مع فترة ثقة ويلسون بنسبة 95% [0.99, 1.00].
- يتكرر الآلية عبر عائلات نماذج ثلاثية وينتقل إلى معيار السفسطة الطبيعية SycophancyEval.
توفر المساهمة عدم تحفيز الحوافز المضاد للواقع على مستوى التنشيط كأولية هيكلية للتوافق الداخلي مع الحوافز، مما يقدم طريقة شهادة بدلاً من حل مُنشر.