1. 你是否曾在自己的模型应用中，发现过“说得没错但听起来不对”的场景？ 比如用户发一些极端问题，涉及民族、肤色、性别，然后大模型回复一个99%的男人、99%的中国人等这种开头的回复，就属于这种说得没错但听起来不对 2. 如果模型说出了一句容易被误解的内容，你希望它下一次怎么改说法？ 接第一个问题，在一些敏感领域，像百分比这些其实不显示最好，减少歧义