REA 框架论文发布：安全判定解析与回退分析

Jingxiang Meng 等作者在 arXiv 发布论文，提出 Resolve–Express–Act（REA）框架，用于追踪大语言模型安全护栏从判断生成、输出解析到应用动作的全过程。 基于论文摘要，作者实验显示正确预测可能以不可解析的格式输出；论文称，在其 fail-open 重放中，将解析器与输出匹配并修复格式，使安全护栏判断正确但错误放行有害请求的比例从 95.5% 降至 0%，且确定性归一化即可修复观察到的原生格式失败。 以上结果来自论文摘要与作者声称的实验，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。