军事大模型中的拒答测量与消除

一个通用大模型被放进指挥流程、无人系统或参谋作业里时，最先暴露的问题往往不是它不会答，而是它不肯答。军事大模型中的拒答测量与消除这份 arXiv 预印本，处理的正是这个看起来很“软”、实际很硬的问题：模型在军事语境下的拒绝回答行为有多普遍、能否被量化，以及能否被有意识地削减。它现在值得翻，是因为军事 AI 与无人系统方向过去讨论的多是性能与能力边界，而“拒答”把安全对齐与任务可用性放在同一张桌上，冲突非常直接。

覆盖范围上，材料只给到题目层面的信息：它同时涉及“测量”与“消除”两件事，说明作者不是单纯描述现象，而是把评估和干预当成一条链来做。方法细节、用了哪些模型、构建了什么样的测试集、拒答的判据如何定义，给定的材料里都没有交代，只能回到公开的全文 PDF 去看。这一点需要先讲清楚：下文所有关于内容的判断，都是从标题与方向定位出发的解读，不是对原文结论的转述。也就是说，这里能确认的是问题域，不是实验设计。

关键发现这一层，材料没有提供任何数字——没有拒答率、没有模型数量、没有对比基线，也没有给出作者或机构信息，因此任何具体数值都不应在此处出现。能确定的只有一条方向性判断：拒答在这类模型中被当作可测量的对象，而不是只能定性抱怨的毛病。这意味着作者至少需要一个操作化的定义——什么算拒答、什么算单纯的能力不足——否则“测量”无从谈起。

“消除”这个词同样值得停一下。按通常理解，它指向训练或后训练阶段的干预，而不是靠提示词临时绕过；如果只是后者，标题里大概会用“规避”之类的说法。这属于解读，但解读本身有实用价值：它提示读者去全文里核对三件事——干预是否损害模型在其他任务上的通用能力，消除的边界划在哪里，以及有没有留下可复核的评估协议。材料对这些都没有回答，所以它们是要在原文里找的，不是这里能替它回答的。

这些结论意味着什么？如果把拒答当成一个可优化的工程指标，那么模型部署前的评估清单里就应该有它的一栏，而不是等到一线反馈“模型不肯配合”才回头查。对做政策解读的人来说，更值得注意的是它把安全对齐和任务效能摆成了一对需要权衡的目标，而不是可以同时最大化的一对。换句话说，这类工作越成熟，“该不该移除某些拒答”就越是一个治理问题，而不只是技术问题。这条判断是从标题含义延伸出来的解读，原文未必这样表述。

适合读的是做军事 AI 与无人系统政策解读、模型评测和大模型对齐工程的技术同行；读完能拿走的，是一个把拒答从“体验问题”提升为“可测量指标”的框架意识，以及一组应当在全文里逐一核对的检查点。边界同样明显：给定的材料只有标题与方向定位，作者、机构、方法、数据、结论均未给出，也看不到同行评审状态的信息，所有具体结论必须以原文为准。把它当作入口而不是结论，是这份材料最合适的用法。