https://zhenda-hub.github.io/tags/%E6%A8%A1%E5%9E%8B%E5%AF%B9%E9%BD%90/Recent content in 模型对齐 on 星图与尘埃 · Starmap & DustHugo -- gohugo.iozh-CNCopyright © 2023-2026 星⁠图⁠与⁠尘⁠埃 Starmap & Dust. All Rights Reserved.Sat, 14 Nov 2026 19:40:00 +0800https://zhenda-hub.github.io/posts/ai/model-refusal-list/Sat, 14 Nov 2026 19:40:00 +0800https://zhenda-hub.github.io/posts/ai/model-refusal-list/<p>同一个越界请求换五种问法——换语言、加角色扮演、拆成几个子问题——拒绝的措辞会变，边界一动不动。</p> <p><strong>拒答不是查黑名单，是训练时用人类反馈塑形出来的倾向。</strong></p>