arXiv · cs.AI· Md Asiful Islam, Fahmida Alam, Mihai Surdeanu·· 1 天前
LR-Guard 通过潜在双假设推理提升安全护栏效率
Efficient Safety Guardrails through Latent Dual-Hypothesis Reasoning with On-Demand Trace Reconstruction
arXiv:2610.18304v1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：Md Asiful Islam, Fahmida Alam, Mihai Surdeanu
研究任务与主要进展
LR-Guard 将结构化潜在推理与按需推理重建结合，用于降低安全护栏的推理开销并生成可读解释。基于论文摘要，该方法将冻结教师对安全与不安全提示的分析及其比较蒸馏到紧凑潜在表示中，在多数域内和域外的安全分类与解释提取任务上超过显式推理教师；批大小为1时推理速度提升19.4倍，重建推理与教师显式推理具有较高语义相似度。
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