待验证50% 置信决策规则精确时间

在改写流水线中应将「拒绝」保留为一等公民式的结果，若系统把拒绝当作例外会逐渐漂移向过度编辑

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI改写比原文更危险？内容审核的双阶段治理模型

涉及实体

改写审核concept

相关事实

待验证当置信度不足时，该流水线主动将决策权交还给人工复核，而非输出可能错误的完整结果70% 相似待验证标注'obliterated'的模型是去掉拒绝机制的无审查版本，在测试中更容易遗漏提示词中的部分要求，无审查不等于更好69% 相似待验证当人类审核者否决权被制度性剥夺时，人在回路机制会沦为橡皮图章，形式上符合HITL但实质被架空68% 相似待验证将拒绝从否决条件降级为中性预期在心理学上称为「预期性接纳」68% 相似待验证语言模型生成的拒绝理由可能是编造的合理化解释（幻觉），而非基于明确的安全政策67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004622

API

curl https://kongchang.com/api/v1/knowledge/claims/1004622

MCP

get_claim(id=1004622)