安全为谁服务？拒绝特定子主题，而非整个主题

探讨 AI 安全对齐中的精细化拒绝机制：模型应在有害话题中识别并拒绝真正危险的子主题，而非对整个话题一刀切式回避，以提升安全性的同时保留有用信息。该文来自 Hugging Face 博客。