概念over-refusal / 过度拒绝
过度拒答
指大语言模型对本应正常回答的无害请求也给出拒绝的行为，与安全率构成张力指标，共同刻画安全-有用前沿。
时间轴 (近 90 天)
10月19日
用安全拒答样本微调，模型学到的是拒绝作为一种倾向，可能导致对合法问题也过度拒答。
待验证50%
10月15日
在安全 SFT 通用数据占比的受控扫描中，过度拒答曲线呈非单调，拐点落在通用数据占比 40%—50% 区间。
待验证50%
指大语言模型对本应正常回答的无害请求也给出拒绝的行为，与安全率构成张力指标，共同刻画安全-有用前沿。
用安全拒答样本微调，模型学到的是拒绝作为一种倾向，可能导致对合法问题也过度拒答。
在安全 SFT 通用数据占比的受控扫描中，过度拒答曲线呈非单调，拐点落在通用数据占比 40%—50% 区间。