待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
已验证过度的安全微调会导致模型过度拒绝（over-refusal），损害实用性79% 相似待验证Overfitting occurs when a model merely memorizes training data without being able to handle new data, while underfitting occurs when the model is too simple to capture patterns even in the training data.70% 相似待验证过于冗长、矛盾或模糊的系统提示词会导致模型注意力分散，产生过度思考或指令遵循失败，精简 agents.md 可提升指令遵循的确定性70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/556716API
curl https://kongchang.com/api/v1/knowledge/claims/556716MCP
get_claim(id=556716)