NeurIPS 论文质疑：删除有害数据反而让 AI 更不安全？

一项即将在 NeurIPS 展示的研究质疑主流安全训练中过滤不安全数据、训练模型拒答的做法。研究指出，统一拒答可能让用户在健康、债务、法律或危机中转向风险更高的信息来源，并主张从单纯拒答转向提供有用且安全的引导。