已验证80% 置信权衡取舍精确时间
过度的安全微调会导致模型过度拒绝（over-refusal），损害实用性
9
来源数
80%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证过度对齐（Over-alignment）指模型安全护栏设置过于敏感，在完全合法的使用场景中也拒绝提供帮助的反向风险79% 相似待验证过度对齐或过度拒绝（Over-refusal）是当前主流大语言模型普遍面临的工程难题，即模型被训练得过于保守导致对合理请求的误判率偏高79% 相似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78% 相似待验证过于频繁的人工干预会消除自动化的效率优势，而过于宽松的审批范围则无法有效防控风险，这是HITL粒度设计的权衡76% 相似待验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561713API
curl https://kongchang.com/api/v1/knowledge/claims/561713MCP
get_claim(id=561713)