大语言模型对自杀意念披露的拒绝机制与风险：基于八个指令微调模型的评估

研究评估八个指令微调大语言模型在三个数据集上对自杀意念与自残披露的回应，发现基线状态下回应风险主要源于对披露的忽视以及拒绝互动。机制分析显示，模型可能通过与拒绝有害请求相同的方向来拒绝自杀意念披露；告知模型自杀意念背景或直接抑制拒绝虽能增加互动，却未必降低回应风险，甚至可能升高。临床医生制定的回应协议则能持续降低回应风险并减少拒绝。