arXiv · cs.AI· Xingru Zhou, Luis Sentis, Aarti Choudhary·· 2 天前
SAFESHIELD：面向小型语言模型部署时安全的决策组织框架
SAFESHIELD: A Decision-Organization Framework for Deployment-Time Safety of Small Language Models
arXiv:2610.07276v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xingru Zhou, Luis Sentis, Aarti Choudhary
研究任务与主要进展
Xingru Zhou、Luis Sentis和Aarti Choudhary在论文中提出SAFESHIELD，用于组织小型语言模型部署时的准入、路由、证据和发布四类安全决策，并记录可审计的Decision Traces。基于论文摘要，实验显示，移除安全组织结构会导致端到端安全表现显著下降；取消准入门控会增加错误发布， withholding 上游证据则使发布准确率从96.0%降至69.5%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org