1 含有标签「refusal-calibration」

你那两个独立的评估指标正不断破坏拒绝校准

将拒绝逻辑拆分为安全性评估和帮助性评估，注定会导致每次模型升级时两者此消彼长。解决方案是针对每个案例采用统一的“正确操作”指标进行评分。