RISA: Response Inspection and Selective Actions for Refusal Calibration in Large Language Models

该论文提出 RISA（Response Inspection and Selective Actions），一种面向大型语言模型（LLM）的推理时拒绝行为校准框架。研究背景是：LLM 需要可靠地区分有害提示与良性提示，错误的拒绝行为要么导致

历史摘要 · 未重新核验 · arXiv cs.CR