你所看到的是在第一个阶段达到70%的基线，通过（可能是MCTS方法）可以提高到90%，然后进行安全调优时，会损失50%的收益，最终降到第一个阶段的80%。能力/成本减少50%会不会成为继续当前“安全”RLHF（强化学习与人类反馈）太强的动机？你会认为保持这种动机太强了，不会继续下去。