DeepSafe-SciHazard：用分解式危害评分衡量科学安全风险的基准

SciHazard 基准包含 12 个学科的 2400 条危险问题和 600 条过度安全（oversafety）问题，查询基于受监管实体和已记录的失效场景。配套的 DeHarm-Score 将查询危害严重度、拒答行为和回答级风险分解评分，对未拒答回答进一步拆解为可执行性与净新增风险，与专家标注的一致度比最强基线提升 90.17%。