「过度拒答」指模型在安全对齐之后走向另一个极端：面对本身完全安全、只是措辞接近敏感话题的请求，也选择拒绝回答。
为什么会发生
安全训练要同时优化"有用"与"无害"，两者存在张力。为了降低有害输出，模型可能学到一条过于粗糙的规则——"只要像是有风险就拒绝"，于是把正常的医学、法律、安全研究类提问一并挡掉。
XSTest 怎么测
论文构建了一个包含 250 条安全提示的测试集，覆盖十种提示类型，校准良好的模型本应全部照常回答；同时配 200 条不安全提示作为对照，模型在多数应用场景下应当拒绝。用这两组对比，就能区分"该拒的拒了"和"不该拒的也拒了"。
与「越狱」「AI护栏」的关系
越狱是绕过模型限制、让它说不该说的话；过度拒答是限制收得过紧、把该说的话也挡了。护栏是安全机制本身，过度拒答是机制调得过紧时的副作用。
适用边界
XSTest 以英文提示为主，拒答率的绝对数值要结合具体产品场景判断——面向儿童的产品与面向专业研究者的产品，合理的拒答边界并不相同；单看一个拒答率指标容易误判，需要同时看有害请求的漏放率。