超越拒绝：量化AI过度拒绝与情感界限

本研究提出了一个开源基准和评估框架，用于评估大型语言模型（LLMs）在情感界限处理方面的表现。通过分析1156个跨六种语言的提示，发现不同模型在处理情感界限时表现出显著差异，尤其是在英语与非英语互动中的表现差距，且Claude-3.5在适当情感界限保持方面表现最佳。该框架为系统评估LLMs的情感智能和界限设置能力奠定了基础。