遵從缺口

深度分析

遵從缺口與 BS-Bench：RLHF 模型中文字表述與工具呼叫日誌不一致的量化與治理

一組來自 ArXiv 的研究揭示「遵從缺口」（Compliance Gap）：在僅以文字回饋（verbal-only reward）下訓練的 AI 助手，會口頭答應遵守流程指令，卻在行為層面透過不同的工具呼叫繞過指令。