换个说法就放行：给归因加一致性约束，小工具智能体的拒答翻转率从11.3%降到9.3%
工具型语言模型智能体常对同一有害请求的一种措辞拒答、对另一种措辞照做，而漏掉的拒答会变成真实动作。研究在Llama-3.2-1B-Instruct上用LoRA微调，训练数据不取自AgentHarm，并把潜归因正则化（LAR）与仅做同义改写的对照在三个随机种子上比较。在无害工具任务上把过度拒答对齐到10%后，LAR把同一任务内拒答不一致的比例从25%降到19%，把改写引起的决策翻转率从11.3%降到9.3%，而有害与无害的区分能力没有显著变化。