待验证50% 置信事实精确时间

过度收紧的护栏会导致过度拒绝（Over-refusal）现象，研究表明经过严格RLHF对齐训练的模型拒绝率可能比实际需要高出3-5倍

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

Perplexity Pro服务缩水？老用户吐槽模型降级与审查收紧

涉及实体

Over-refusalconcept RLHFconcept

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77% 相似待验证漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化76% 相似待验证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76% 相似待验证对齐税指模型被过度训练拒绝有害请求时，其拒绝边界可能泛化到正常无害场景，导致过度谨慎75% 相似待验证安全边界收紧会提高拒绝率阈值，导致误判率上升，即精确率-召回率权衡71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/854288

API

curl https://kongchang.com/api/v1/knowledge/claims/854288

MCP

get_claim(id=854288)