AI安全行为变化该怎样评估

安全行为更新可能改变模型对请求的回应方式。评估时既要关注风险控制，也要观察合法工作是否被意外阻断。

按请求类型分类测试

将常见请求分为普通、敏感但合规、需要人工判断和明显不应执行的类别。不要用单个案例推断整体行为。

区分拒答与任务失败

记录拒答是否给出可用替代方向，还是误解了任务。对于被错误拦截的合规需求，应保留最小复现材料并按产品渠道反馈。

保留人工边界

安全能力不能替代组织审核。高影响事项仍应执行人工复核，可参考人工复核工作流程。