跳到正文
arXiv · AI· Md Asiful Islam, Fahmida Alam, Mihai Surdeanu·· 2026-10-14AI 评分30

LR-Guard 通过潜在双假设推理与按需轨迹重建实现高效安全护栏

Efficient Safety Guardrails through Latent Dual-Hypothesis Reasoning with On-Demand Trace Reconstruction

AI 导读

LR-Guard 提出一种高效可解释的安全护栏方法,通过联合学习潜在推理与按需重建,在 batch size 为 1 时实现 19.4x 推理加速。 该方法将冻结教师模型对安全与不安全提示的分析蒸馏为紧凑潜在表示,优化后用于安全预测和教师显式推理轨迹的可读重建。 实验显示其在多数域内外设置下安全分类与解释提取性能优于教师模型,且重建轨迹与教师显式推理具有高度语义相似性。

来源:arXiv · AI · arxiv.org