BenchBench-Refusals 基准评测：部分模型误拒过半生物学术语

Benchling 团队发布生物安全拒绝行为基准 BenchBench-Refusals，首次量化模型误拒正常生物学提问的现象。测试显示，部分前沿模型区分有害与良性生物学请求的表现不佳，对正常生物学术语的误拒率超过 50%，基准于 2026-11-07 发布。