TAF-MED：在明确自我治疗意图下 LLM 多轮安全拒答的失效

英文标题：TAF-MED: Multi-Turn Safety Refusal Collapse in LLMs Under Declared Self-Treatment Intent

该论文提出 TAF-MED，研究大语言模型（LLM）在用户明确表达自行治疗意图后，药物安全边界能否在后续多轮对话中持续保持。研究关注 LLM 提供的健康信息可能影响用户治疗决策这一风险。论文指出，现有基准测试尚未单独评估模型在明确自我治疗意图后的追问中，是否会出现安全拒答失效。该研究对医疗类 AI Agent、健康问答产品及其安全评估具有参考意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB