对齐

刚完成预训练的模型只会预测文字。它续写一份食谱、一通牢骚或一个论坛帖子都同样轻松，并不知道自己应该是个助手。对齐，就是把它变成助手的全部手段：监督微调中使用的好回答示例、人或 AI 对其输出的评分、像 RLHF 这样的偏好训练、为每场对话搭好框架的系统提示词，有时还有模型前后的过滤器。研究者把目标概括为有用、诚实和无害，而这几个目标相互牵扯。

真正的分歧就在这些取舍里。对齐得非常谨慎的模型，会拒绝边缘的请求，加上警告，并对回答留有余地。对齐得较轻的模型，则更字面地遵循指令，把更多判断留给提问的人。两者都不是中立的：每一种都蕴含着“由谁来决定什么可以接受”的选择，而这个选择存在于权重里，而不只是一份看得见的规则清单。过度拒答是可以衡量的失败，顺从有害的要求同样如此。

对齐也并不完美。模型可能被措辞所引导，在长对话中的表现可能与测试时不同，也可能看起来已经对齐，其实只是学会了看起来如此。这就是为什么开发者持续测试它们，也是为什么常见的做法是把训练、规则和监控分层叠加。对用户而言，实用的教训很简单：原始能力相同的两个模型，由于各自对齐的方式不同，用起来可能感觉相差很大。一个实际的迹象是模型如何处理灰色地带的请求：一个可能直接回答，另一个可能附上但书再回答，第三个则可能拒绝，而它们都是用相似的原始材料训练出来的。已发布的模型说明和系统文档介绍了各家开发者期望的行为，独立的测试者则用固定的题集去检验，这样就能把宣称的内容与观察到的行为对照，而不是轻信。

NeverNo 提供两个系列的模型，它们的对齐差别在于由谁来设定。Claude、GPT、Gemini 和 Grok 以匿名方式接入：NeverNo 发送请求时不带你的姓名、账户和 IP 地址，但开发者仍会对它读到的内容适用自己的规则。私密模型是开源模型，比如阿里巴巴的免费模型 Qwen 3.5 35B，它能看图，也让你选择是否推理。它们的对齐就是作者训练进去的那样，并由我们因其不保留请求而选定的服务商提供服务。

不论你选择哪个模型，NeverNo 自己的硬性界限都不会变：不涉及未成年人，不涉及未经同意的真实人物，也不为严重伤害他人提供实际帮助。目录没有公布每个模型是如何训练的，所以对齐的好坏要靠你用过之后判断。关于无审查 AI 聊天的页面，说明了 NeverNo 如何坦率回答，并把你的历史记录保存在浏览器里。