arXiv · NLP· Gianluca Barmina, Federico Torrielli, Sven Harms, Jacob Nielsen, Flavia Filesi, Felix M\"achtle, Stine Lyngs{\o} Beltoft, Peter Schneider-Kamp, Thomas Eisenbarth, Lukas Galke Poech, Anne Lauscher·· 8 小时前AI 评分28
PsychoSafe: 基于心理学的大语言模型拒答框架
PsychoSafe: Eliciting Psychologically-Informed Refusals in Large Language Models
AI 导读
PsychoSafe 框架将拒答重构为支持性沟通，在 Qwen 3.5 27B 上提示优化使拒答质量提升 28.1%。 其外部资源转介率提升 46.8%，心理依据提升 34.8%，微调虽实现近乎完美的转介率但降低响应相关性。 该框架在领域内表现出强鲁棒性，但领域外泛化能力有限。
来源：arXiv · NLP · arxiv.org