跳到正文
arXiv · AI· Xingru Zhou, Luis Sentis, Aarti Choudhary·· 2026-10-07AI 评分30

SAFESHIELD: 面向小型语言模型部署时安全的决策组织框架

SAFESHIELD: A Decision-Organization Framework for Deployment-Time Safety of Small Language Models

AI 导读

论文提出SAFESHIELD框架,将部署时安全视为决策组织问题,通过责任分解与显式协调组织四类决策,并记录可审计的决策追踪。 协调消融实验显示,移除准入门控会大幅增加虚假放行,而剥夺上游证据使放行准确率从96.0%降至69.5%,证明决策组织对安全至关重要。 SAFESHIELD已获IEEE TPS 2026应用轨道接收,该工作为小型语言模型的部署安全提供了系统级设计依据。

来源:arXiv · AI · arxiv.org