arXiv · AI· Zhinan Liu, Jie Li, Mingyu Kang, Jiayi Ji·· 2026-10-14AI 评分35
REALGUARD:基于潜空间推理的 LLM 安全框架
$\mathrm{R}{\scriptstyle\mathrm{EAL}}\mathrm{G}{\scriptstyle\mathrm{UARD}}$: Reliable, Efficient, and Auditable LLM Safeguards via Latent Reasoning
AI 导读
针对推理型 LLM 安全守护效率低的问题,REALGUARD 通过潜空间推理解耦安全判断与解释生成,提出可靠、高效且可审计的框架。 在 1B 至 8B 规模模型中,其常规安全分类速度提升最高 15.7 倍,推理 token 消耗降低最高 166.7 倍;审计解码器在 LLM 评估下解释可接受度最高达 87.73%。
来源:arXiv · AI · arxiv.org