arXiv · cs.AI· Changyi Li, Jiayi Wang, Xudong Pan, Geng Hong, Min Yang·· 5 小时前
ReasoningShield：大推理模型推理轨迹安全检测基准与轻量模型
ReasoningShield: Safety Detection over Reasoning Traces of Large Reasoning Models
arXiv:2505.17244v3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：Changyi Li, Jiayi Wang, Xudong Pan, Geng Hong, Min Yang
研究任务与主要进展
基于论文摘要，作者提出 ReasoningShield，用于检测大推理模型中间推理轨迹中的有害内容，而不仅是最终答案；现有主流审核工具在 CoT 审核上的 F1 分数较答案审核最多下降35.2%。
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