OpenAI的研究表明，基于规则的奖励机制（RBR）能提高语言模型的安全性。该机制通过自然语言规则明确期望行为，类似于阿西莫夫的机器人定律，能够细致控制模型响应，减少过度拒绝现象。实验结果显示，RBR在安全性与实用性之间取得了良好平衡。