SAFESHIELD评估小型语言模型部署安全

Xingru Zhou、Luis Sentis和Aarti Choudhary提出SAFESHIELD，用于组织小型语言模型部署中的准入、路由、证据与发布决策，并记录可审计的Decision Traces。基于论文摘要，该框架通过机制实验、阶段消融、协调消融和部署压力测试评估；移除安全组织结构会使端到端安全表现显著下降，取消准入门控会增加错误发布，扣留上游证据则使发布准确率从96.0%降至69.5%。作者据此称，部署时安全不仅取决于单个护栏能力，也取决于安全决策的组织与协调。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。