待验证60% 置信事实精确时间
AI模型的过度拒绝（over-refusal）是安全对齐研究中的已知问题，RLHF和Constitutional AI训练会使模型将无害请求错误归类为需要拒绝
2
来源数
60%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证Meta AI研究团队将过度拒绝现象称为假阳性拒绝（false positive refusal），根源在于模型训练时过度依赖表面语义特征而非深层语境理解78% 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% 相似待验证选择性展示（cherry-picking）是 AI 模型评测中的普遍风险，会系统性地高估模型能力75% 相似待验证过度对齐（Overalignment）现象指模型在边界情形下倾向过度拒绝合理请求，是Constitutional AI安全优先策略的潜在代价74% 相似待验证AI系统的拒绝回答机制在学术上被称为selective prediction或abstention73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/699103API
curl https://kongchang.com/api/v1/knowledge/claims/699103MCP
get_claim(id=699103)