模型評估

模型的平均分數能描述整體表現，卻可能遮住少數人的高代價錯誤；上線評估應同時檢查失敗分布與申訴補救。

從 AI 拒答談安全規則的制定與誤攔成本，主張同時檢驗危險請求、正當相鄰請求，並建立可申訴的修正機制。