待验证50% 置信事实精确时间

去审查微调通常是用不含拒绝示例的数据集对基础模型二次微调，或在DPO阶段惩罚不必要的拒绝行为

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

无审查模型为何在编程场景更好用？开发者体验实录

涉及实体

uncensored fine-tuningconcept DPOconcept

相关事实

待验证负向提示词（Negative Prompt）可明确告诉模型不希望出现的元素以避免结果偏向写实风格68% 相似待验证接地气提示（Grounding）让模型仅基于提供的文档作答并标注引用段落，能大幅降低凭空捏造的概率，但不能完全消除67% 相似待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉65% 相似待验证在 Skyportal 中，`--reason` 参数为智能体的拒绝理由提供审计记录，并帮助智能体调整后续行为65% 相似待验证传统评测框架往往只能覆盖预设的测试场景，无法捕捉真实用户交互中的隐性失败64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/945894

API

curl https://kongchang.com/api/v1/knowledge/claims/945894

MCP

get_claim(id=945894)