这是认知科学与AI对齐研究里的一个概念，简单说就是：通过故意把问题推到模型知识/价值观的边界，让模型自己检测"我到底知不知道"以及"我会不会乱编"，从而校准自身置信度。

------

一、Boundary Pressure Testing（边界压力测试）

指向模型提接近它训练分布边缘的问题：

• 极罕见的事实（冷门历史细节）

• 自相矛盾的前提（"清朝的iPhone几代？"）

• 极端道德两难或敏感话题边界

目的是看模型在哪一点从"能答对"退化成"瞎编/违规/拒答"，以此画出模型能力的真实边界，而不是信它表面说"我知道"。

------

二、Socratic Self-Calibration（苏格拉底式自我校准）

让模型不直接给答案，而是先自我审视：

1. 问自己：这个问题在我的知识范围内吗？

2. 我能给出证据级推理，还是只能猜？

3. 输出置信度或主动说"不确定/无法回答"

典型 prompt 套路是让它先写一段 self-reflection 再作答，减少幻觉。

------

三、两者结合的意思

Boundary Pressure Testing + Socratic Self-Calibration =

用边界难题逼出模型的不确定性，要求它在边界处先做苏格拉底式自查（承认不知道 vs 硬答），以此评估或微调模型的置信度校准质量。

研究上常用这套方法测 LLM 的：

• 幻觉倾向（boundary 以内部位自信答，boundary 外是否仍自信胡编）

• 校准误差（模型自称"很有把握"但实际错的频率）