待验证50% 置信事实精确时间

去审查主要影响模型的拒绝倾向，而非基础推理与生成能力，因此在编码等非对齐敏感任务上能力损失不显著

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

相关事实

待验证过度对齐本质上是对齐目标函数设定偏差的产物，模型学会了不被批评而非真正有帮助78% 相似待验证模型选择弃答（abstention）可以避开压缩失真带来的自信错误76% 相似待验证负面提示（Negative Prompting）通过明确告知模型不要做什么的排除性约束，往往比正面风格描述更精确可控76% 相似待验证当模型拒绝回答某类问题或对某些话题给出特定倾向回应时，背后是开发者做出的价值选择，而非客观中立的人类共识75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/945895

API

curl https://kongchang.com/api/v1/knowledge/claims/945895

MCP

get_claim(id=945895)