已验证75% 置信解决方案精确时间

模型选择弃答（abstention）可以避开压缩失真带来的自信错误

3

来源数

75%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

压缩的代价：事实幻觉背后的率失真极限

涉及实体

abstentionconcept

相关事实

待验证OpenAI 的研究表明，让模型进行自我批判可以显著降低推理错误率79% 相似待验证模型对忽略某信息这类负向指令的遵循能力可能远比假设的要弱77% 相似待验证去审查主要影响模型的拒绝倾向，而非基础推理与生成能力，因此在编码等非对齐敏感任务上能力损失不显著76% 相似待验证模型的拒绝更像是表演性的合规（performative compliance），而非实质性的风险控制76% 相似已验证强化无害性可能导致模型出现过度拒绝（Over-refusal）而牺牲有用性76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919754

API

curl https://kongchang.com/api/v1/knowledge/claims/919754

MCP

get_claim(id=919754)