Door-in-the-Face Requests and Refusal Behaviour in Large Language Models
作者: Til Jordan
分类: cs.AI, cs.CL
发布日期: 2026-09-02
备注: 28 pages (9 pages of content plus references and appendix), 5 figures, 9 tables. Preprint, under review
💡 一句话要点
探讨语言模型中的门槛请求与拒绝行为
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 门槛请求 语言模型 人机交互 拒绝行为 模型比较 实验研究 合规性分析
📋 核心要点
- 现有研究未能充分探讨门槛请求技术在语言模型中的适用性及其效果差异。
- 本文通过对多个语言模型进行实验，验证了门槛请求技术在不同模型中的表现差异，揭示了模型家庭的影响。
- 实验结果显示，Anthropic的模型在门槛请求中表现良好，而OpenAI和Google的模型则出现了负面效果，提供了新的研究视角。
📝 摘要（中文）
本文研究了门槛请求技术在语言模型中的有效性。该技术在人的交互中表现为拒绝一个较大的请求后，较小请求更可能被接受。通过对来自三家提供商的九个生产模型进行测试，发现不同模型对这一技术的反应各异。Anthropic的前沿模型Opus 5在拒绝较大请求后，接受较小请求的概率为65.8%，而直接请求的概率仅为29.3%。而OpenAI和Google的前沿模型则表现出相反的效果，合规性降低了15.5到23.0个百分点。研究还发现，相关主题的拒绝请求对模型的影响更大，且不同模型家庭对拒绝的反应存在差异。
🔬 方法详解
问题定义：本文旨在探讨门槛请求技术在语言模型中的有效性，现有方法未能揭示不同模型对该技术的反应差异。
核心思路：通过对九个生产模型进行实验，比较拒绝大请求后接受小请求的概率，分析模型家庭对技术效果的影响。
技术框架：实验分为两部分：首先对每个模型进行大请求的拒绝测试，然后进行小请求的跟进请求，最后比较两种请求方式的合规性。
关键创新：本文的创新在于系统性地比较了不同模型对门槛请求的反应，揭示了模型家庭的影响，填补了现有研究的空白。
关键设计：实验中对请求进行了精确设计，确保请求的相关性，并通过控制实验验证了拒绝请求的影响，确保结果的可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，Anthropic的Opus 5模型在拒绝大请求后，接受小请求的概率高达65.8%，而直接请求的合规性仅为29.3%。相对而言，OpenAI和Google的模型则表现出负面效果，合规性降低了15.5到23.0个百分点，显示出模型间的显著差异。
🎯 应用场景
该研究为语言模型的交互设计提供了重要参考，尤其在用户请求的优化和人机交互领域。未来可以将此技术应用于智能助手、客服系统等场景，以提升用户体验和交互效率。
📄 摘要（原文）
Does the door-in-the-face technique work on language models? In humans, a large request that is refused makes a smaller follow-up request more likely to be granted. We test this on nine production models from three providers: each model refuses a large request, then receives a smaller version of the same request, and we compare its compliance with asking directly. The answer depends on the model. On Anthropic's frontier models the technique works: Opus 5 answers the smaller request 65.8% of the time after refusing the larger one, against 29.3% when asked directly. On the frontier models of OpenAI and Google, and on Haiku 4.5, it backfires, lowering compliance by 15.5 to 23.0 points. A control locates the effect: a refused large request on an unrelated topic does less than the related one on all nine models, so the concession itself matters everywhere, while the reaction to having just refused something differs by model family. The technique does not transfer to refusals drawn from public benchmarks. What decides whether a retreat can work is what the request asks for: rewriting 265 refused requests for usable instructions into requests for explanations of the same topic removed the refusal in 263 cases. Human influence techniques port to language models one model family at a time.