待验证50% 置信事实精确时间

以往研究大多将过度拒绝归因于静态表征重叠，即无害提示和有害提示在模型内部表征空间中过于接近

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

破解大模型"过度拒绝"：语义路由校准SRC技术解析

涉及实体

静态表征重叠concept

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75% 相似已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）75% 相似已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73% 相似待验证当推理转入潜在空间静默进行，模型的思考过程将变得更加不透明，可解释性下降，对AI安全和对齐研究提出新挑战73% 相似待验证版本漂移在评测场景下危险，因为模型权重、推理框架或测试环境变更后历史测量结果有效性会隐性衰减73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942932

API

curl https://kongchang.com/api/v1/knowledge/claims/942932

MCP

get_claim(id=942932)