超越安全组合：审核有用且无害的数据集

本研究探讨了人类反馈在大语言模型安全性中的有效性，审计了“有用且无害”数据集，揭示了因概念化失败和质量问题导致的安全行为差异，强调需要更细致的安全缓解措施。