待验证50% 置信事实精确时间
指令微调模型被训练得更有帮助、诚实、无害（helpful, honest, harmless），输出有害内容的概率大幅降低
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
吴恩达提示词工程课精华：开发者必学的核心方法论
bilibiliAgent吴恩达2026/6/29
相关事实
待验证Instruction Tuned LLMs are trained to be Helpful, Honest, and Harmless, significantly reducing the probability of generating toxic content.79% 相似已验证通过更高质量的训练数据、更优化的训练策略和更精细的后训练对齐，较小规模的模型可以在实际任务上完全超越规模更大但训练质量较低的模型72% 相似待验证基准的干净具有时效性——一旦测试题目公开传播，未来的模型训练很可能将其吸收，公平性随之衰减72% 相似待验证训练数据在输入模型前会经过严格的去重、过滤和质量筛选，低质量内容、重复文本、有害内容会被剔除71% 相似待验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/398738API
curl https://kongchang.com/api/v1/knowledge/claims/398738MCP
get_claim(id=398738)