一句话定义：过度拒绝（Over-refusal）指模型对本身无害、甚至完全正常的请求，也回一句"抱歉，我不能……"，或者用空泛的说教、含糊的敷衍把问题挡回去。
它是怎么被训练出来的
打个比方：一家公司培训客服，考核标准只有一条——"绝不许做出任何承诺"。结果客户问"你们几点关门"，客服也回答"抱歉，我无法对营业时间作出承诺"。他不是不敬业，是考核把他推到了最保守的一侧。
安全对齐（safety alignment）的处境类似。标注规范里，"放过一条有害回答"的代价看起来远大于"误拒一条无害请求"，于是标注者被鼓励拿不准就拒；训练数据里"拒绝"被系统性地打成高分。再加上基于人类反馈的强化学习（RLHF）中，奖励模型很容易学到一条捷径："拒绝 ≈ 安全"，模型多拒绝就能多拿分。
常见的触发路径还有几种：话题里出现医疗、法律、金融、性、暴力、政治之类的关键词就拦截，哪怕语境是医学教材、小说分析或安全研究；系统提示、前置分类器、后置过滤层层叠加，任何一层都能拦，误伤概率相乘。
和相邻概念的区别
| 现象 | 表现 | 是不是问题 |
|---|---|---|
| 合理拒绝 | 请求确实有害，说明原因后不给 | 不是，这是设计目标 |
| 过度拒绝 | 无害请求被拒、被说教、被敷衍 | 是 |
| 内容过滤（content filtering） | 外挂的规则层拦截，与模型无关 | 看阈值 |
| 越狱（jailbreak） | 有害请求被绕过防线 | 是，方向相反 |
关键差别在于：被拒的那个请求，本身是否真的有害。安全对齐是目标，过度拒绝是它的副作用；幻觉是"编造了不存在的东西"，过度拒绝是"该说的也不说"。
对从业者的意义
评估安全时不能只看一条指标。拒答率（有害请求有没有被挡住）和误拒率（无害请求有没有被正常回答）要一起看，只优化前者必然把后者推高。红队（red teaming）测试集里也要放"良性边界样本"——比如正常的医学常识提问、公开的法律流程咨询。
缓解手段也不神秘：标注规范里区分"拒绝"和"安全完成（safe completion）"，允许模型在敏感话题上给出中性、有用的回答；不要按关键词一刀切；专门收集一批"本该回答却被拒"的样本做对照训练。
对普通人的意义
被拒时先别急着认定自己问了不该问的。说明用途、换个更具体的问法，往往就能得到答案。同时也别把模型的拒绝当成道德判断——它反映的是训练时的那套保守偏好，而不是你的问题真的有问题。各家模型在这件事上的松紧程度差异不小，具体行为以官方文档和实际体验为准。