AdaGuard自适应护栏模型发布
热点事件持续更新
AdaGuard自适应护栏模型发布
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究团队Yunhao Feng等人提出AdaGuard护栏模型族，包含0.6B、4B和8B三个版本。该模型支持在推理时依据用户自定义策略评估语言模型智能体行为。 模型基于自建的AdaptiveSafety数据集（含10,939个训练样本）和SafePO强化学习算法进行训练。在性能测试中，4B版本在AdaptiveSafety数据集上的二元准确率为89.30%，在DynaBench上为71.82%。 项目代码仓库已公开。该工作聚焦于提升护栏模型的自适应性与安全性，当前进展主要集中于模型架构设计与基准测试验证。
AI 根据报道生成 · 12 小时前更新
最新进展10月22日 12:00
AdaGuard：支持用户自定义策略的自适应护栏模型报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv · AIAdaGuard：支持用户自定义策略的自适应护栏模型
研究团队提出 AdaGuard 护栏模型族（含 0.6B、4B 和 8B），可在推理时依据用户自定义策略评估语言模型智能体行为。模型基于自建的 AdaptiveSafety 数据集（10,939 训练样本）和 SafePO 强化学习算法，4B 版本在 AdaptiveSafety 上的二元准确率为 89.30%，在 DynaBench 上为 71.82%。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 910月22日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0010月23日02:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。