安全对齐不该一刀切：只拒绝话题里的有害部分，而不是整个话题

Safety for Whom? Refusing the Right Subset of a Topic, Not the Whole Topic

现在的安全对齐有个通病：把整个话题当成拒绝单位。比如 LlamaGuard-3 把“选举”归为“事实错误信息”，导致模型连“选举流程是什么”这种无害问题也拒答。Multiverse Computing 这篇论文提出“窄边界安全”，核心想法是，在同一个话题（比如政治）里，只拒绝有害的子集（比如写定向操纵内容），正常回答无害问题（比如选举事实）。做法是让部...

推荐理由：H 和 K 都打中了：角度尖锐，LlamaGuard-3 误标选举话题的例子很具体。R 偏弱，这是安全对齐的细分话题，不会在更广的圈子里被主动提起。定在 featured 门槛 72 分，没再往上是因为正文只给了摘要，完整实验和验证细节还没看到。