refusal-framework

本文介绍了PsychoSafe，一种面向大型语言模型的基于心理学的拒绝框架，通过Qwen 3.5 27B上的提示学习和微调，在保持非拒绝任务性能的同时，将拒绝质量提升了28.1%，资源转介提升了46.8%。