大型语言模型正越来越多地进入青少年的数字生活，充当信息查询、日常建议乃至情绪敏感对话的中介。然而，现有的安全机制大多建立在以成人为中心的规范之上，并主要通过拒绝式压制来实现安全。这类做法虽然可以减少即时的政策违规，却也容易造成对话中断、限制有建设性的引导，并且未能针对青少年与AI互动中固有的发展性脆弱点。
来自Heajun An等三位作者、于2026年5月20日提交至arXiv的论文《CR4T: Rewrite-Based Guardrails for Adolescent LLM Safety》针对这一落差提出了不同思路。作者主张，青少年LLM安全不应仅被视为过滤问题，而应被理解为一个社会技术层面的、与发展阶段对齐的转换问题：目标不只是屏蔽风险，而是把回答转化为真正对青少年有帮助的内容。
为落实这一观点，研究团队提出Critique-and-Revise-for-Teenagers（CR4T），这是一个与模型无关的防护框架。它会有选择地把不安全或带有拒绝风格的回答重新构建为适合年龄、以引导为导向的回应，同时尽量保留用户原本的良性意图。该框架将轻量级风险检测与领域条件化重写结合起来，一方面移除会放大风险的内容，另一方面减少不必要的对话关闭，并引入符合青少年发展阶段的指导。
实验结果报告称，这种有针对性的重写大幅降低了不安全和拒绝式结果的比例，同时对可接受的交互避免了不必要的干预。作者据此认为，选择性的回应重建为面向青少年的LLM系统提供了一种比以拒绝为中心的护栏更以人为本的替代路径。
该论文归类于计算与语言（cs.CL），并涉及人工智能（cs.AI）以及计算机与社会（cs.CY）等方向。论文编号为arXiv:2605.21609，第一版于2026年5月20日18:16:18 UTC提交，全文约3,014 KB，可通过DOI 10.48550/arXiv.2605.21609访问。
值得注意的是，CR4T的重点并非放弃安全约束，而是改变约束的实现方式。与其在遇到敏感话题时直接终止对话，不如在识别风险后对回答进行改写，使其既避开有害内容，又能为青少年提供可操作的、适龄的引导。这一思路也提示，面向未成年人的AI系统评价指标需要超越违规率，进一步考察对话是否仍然具有建设性和支持性。