Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal

• 类型：arxiv
• 标识：2609.04482
• 链接：https://arxiv.org/abs/2609.04482
• 主分类：risk
• 形态：application
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：The results show that data composition controls the safety and usability trade-off, and that safety alignment should be evaluated on both sides of the intended refusal boundary.
• OpenAlex ID：W7211873013
• OpenAlex DOI：10.48550/arxiv.2609.04482
• DOI：10.48550/arxiv.2609.04482
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.04482
• OpenAlex更新：2026-09-10
• 副分类：engineering
• 待LLM分类：否
• 标题中文：为谁安全？用于可控 LLM 安全拒绝的边界感知自蒸馏
• TLDR中文：结果表明数据组成控制安全性与可用性的权衡，且安全对齐应在预期拒答边界的两侧进行评估。
• 来源文件：
• /inbox/tom/_candidates/2026-09-09-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]