REALGUARD提出潜空间推理LLM安全防护框架

Zhinan Liu、Jie Li、Mingyu Kang、Jiayi Ji 等在 arXiv 发布论文，提出 REAlGUARD 框架：将大语言模型安全分类与解释生成解耦，训练时用任务导向课程逐步替代显式推理依据，在潜空间完成安全分类，再由轻量审计解码器按需生成简洁解释，以兼顾效率与可审计性。 据论文报告，其审计解码器在基于 LLM 的评估下解释可接受度最高达 87.73%。该数字来自论文自述的评估口径，尚属作者报告结果。

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。