论文多源确认11:47语言模型中的门脸效应与拒绝行为研究Anthropic模型对人类说服技巧有反应，而OpenAI和Google模型反而更抗拒，这种差异很有意思。#Opus 5#门脸效应#拒绝行为#大语言模型10 个信源在谈事件专题aarXiv: OpenAI@Til Jordan11 个信源在谈原文稍后读已读值得跟进有用关注 Opus 5
论文精选72°11:44RefusalBench：拒绝率误导前沿LLM在生物研究提示上的安全排名做AI安全评估或生物研究合规的团队，这个基准能帮你避开“拒绝率越高越安全”的误区——Grok 4.20的案例值得点开看看。#安全评估#基准测试#生物研究#拒绝行为aarXiv: Anthropic@Lukas Weidener 等 5 人原文稍后读已读值得跟进有用关注 安全评估