arXiv · AI· Md Asiful Islam, Fahmida Alam, Mihai Surdeanu·· 2026-10-06AI 评分34
```json
A Dual-Hypothesis Reasoning Framework for LLM Guardrails
AI 导读
{ "title_zh": "ARBITER:基于双重假设推理的 LLM 护栏框架", "summary_zh": "ARBITER 提出双假设推理与 MC-SFT 框架,通过自生成推理轨迹和 LoRA 微调优化 LLM 护栏。\n\n相比依赖昂贵教师模型和全参数微调的方法,ARBITER 在三个安全基准上表现更优,尤其在域外评估中增益显著,并提供可解释的决策依据。" } ```
来源:arXiv · AI · arxiv.org