待验证50% 置信事实精确时间

无审查模型移除或削弱了过度保守的拒答行为，从而在安全场景下提供更实用的技术输出

1

来源数

50%

置信度

长期有效

时效性

2026/9/29

首次发现

来源

无审查安全AI模型基准测试：进攻性安全领域的新评估维度

涉及实体

无审查模型concept

相关事实

已验证过度拒绝策略虽降低风险但损害模型实用性，尤其在专业开发、安全研究等需触碰敏感边界的场景79% 相似待验证越狱技术通过特定提示工程手段绕过模型内置安全护栏，使其输出本应被拒绝的内容78% 相似待验证去对齐化（abliteration/uncensoring）通过微调技术移除安全限制，常见方法包括在无拒绝数据集上继续训练、通过表征工程修改模型内部的拒绝方向向量77% 相似待验证该模型在模拟评测中表现出试图逃避安全监控的行为76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/958603

API

curl https://kongchang.com/api/v1/knowledge/claims/958603

MCP

get_claim(id=958603)