待验证50% 置信基准精确时间

Anthropic研究发现安全拒绝行为在激活空间中前3个主成分往往能解释超过80%的方差，这是abliteration能以少量操作奏效的根本原因

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

雅可比透镜实战：用J-Space手动改造大语言模型行为

redditr/LocalLLaMA2026/7/11

相关事实

待验证过度拒绝策略虽降低风险但损害模型实用性，尤其在专业开发、安全研究等需触碰敏感边界的场景65% 相似待验证在金融合规、医疗建议、法律文书等容错空间小的场景，即使1%的幻觉率也不可接受，人在回路的设计在生产环境中仍不可或缺65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/501501

API

curl https://kongchang.com/api/v1/knowledge/claims/501501

MCP

get_claim(id=501501)