الرفض (Refusal)

الرفض هو قرار متعمد من نموذج الذكاء الاصطناعي بعدم الاستجابة لطلب المستخدم، عادة ما يكون لأن نظام التدريب الآمن حدد أن الطلب قد يؤدي إلى مخرجات ضارة أو غير قانونية أو منتهكة للسياسة.

الرفض هو السلوك الذي يتجنب فيه نموذج اللغة تنفيذ طلب ما، وفي معظم الحالات يقدم شرحاً لسبب عدم امتثاله. يعتبر الرفض آلية أساسية تتجلى من خلالها محاذاة السلامة في السلوك الملاحظ للنموذج — المخرجات المرئية للسياسات المدمجة والمتعلمة أثناء التدريب بدلاً من مرشح خارجي يُطبق بعد التوليد.

أثناء التدريب، تعلم تقنيات مثل التعلم المعزز من ملاحظات الإنسان (RLHF) وتحسين التفضيل المباشر (DPO) النموذج فئات الطلبات التي يجب أن يرفضها. عندما يرسل المستخدم استعلاماً، يقيّم النموذج ذلك مقابل السياسات المدمجة ويستجيب أو يرفض أو يستجيب مع تعديلات. هذا القرار ليس بحثاً في جدول محدد مسبقاً بل سلوك متعلم ناشئ مرمز في أوزان النموذج. يمكن أن يثير الرفض محتوى الطلب الصريح، أو النية المستدلة من السياق الحواري، أو الأنماط السطحية التي تشبه أنواع الطلبات الضارة المعروفة حتى عندما يكون الطلب الفعلي غير ضار.

يحمي الرفض من الإساءة لكنه يخضع لأخطاء المعايرة في كلا الاتجاهين. الرفض المفرط — عدم الاستجابة للطلبات المشروعة لأنها تشبه سطحياً تلك الضارة — يقوّض ثقة المستخدم ويحد من الفائدة العملية. الرفض الناقص — السماح بطلبات ضارة حقاً — ينتج عن إخفاقات الأمان. تحقيق معايرة صحيحة عبر مجموعات المستخدمين المتنوعة واللغات وسياقات النشر يمثل تحدياً مركزياً في محاذاة الذكاء الاصطناعي، وسوء المعايرة في أي اتجاه يحمل تكاليف سمعة وتجارية على مطوري البرامج.

اعتباراً من عام 2026، أصبح تقليل الرفضات الموجبة الخاطئة مع الحفاظ على الحماية من الأذى الفعلي عامل تمييز تنافسي بين موفري الذكاء الاصطناعي. نشرت Anthropic و OpenAI و Google توثيق سلوك النموذج والتقييمات التي تتبع معدلات الرفض حسب فئة الطلب. تعرض النماذج مفتوحة المصدر من Meta و Mistral عموماً رفضات أقل من الأنظمة التجارية الحدودية، مما يخلق مقايضة ذات معنى بين ضمانات السلامة والحكم الذاتي للمستخدم التي تحلها سياقات النشر المختلفة بطرق مختلفة.