Ngày 8 tháng 9 năm 2026, nhóm MultiverseComputingCAI đã công bố bài viết trên Hugging Face Blog với tiêu đề đặt vấn đề về định hướng an toàn mô hình ngôn ngữ: 'Safety for Whom? Refusing the Right Subset of a Topic, Not the Whole Topic'. Đặt trọng tâm vào cơ chế từ chối (refusal behavior) của các hệ thống AI hiện nay, bài viết nhấn mạnh hiện tượng quá tay trong kiểm duyệt khiến mô hình từ chối cả những truy vấn vô hại thuộc một chủ đề nhạy cảm thay vì chỉ chặn đúng tập con thực sự gây hại.
Theo ấn phẩm trên Hugging Face Blog, bài toán an toàn AI không chỉ dừng lại ở việc thiết lập các bộ lọc chủ đề diện rộng mà cần phân biệt ranh giới chính xác giữa thông tin có ích và tác nhân rủi ro. Tuy nhiên, nội dung chi tiết về phương pháp đo lường cụ thể hoặc kiến trúc kỹ thuật thử nghiệm chưa được làm rõ trong bản tóm lược công bố ban đầu.