Forschende unter der Leitung von Viet Thanh Pham haben UniGuard veröffentlicht. Das Trainingsframework lernt Sicherheitssignale, die unabhängig davon gleich funktionieren, ob die KI mit einem einzelnen Prompt, in einem Gespräch, in einem Agenten-Trace oder in einem Multi-Agenten-Szenario eingesetzt wird. Dafür erstellte das Team einen Datensatz mit 1,000 öffentlich zugänglichen Sicherheitsfällen und bereitete jeden Fall in fünf verschiedenen Darstellungen auf. Das daraus entstandene Modell UniGuard‑0.6B wurde mit Klassifizierung, kontrastivem Lernen und einem speziellen Kalibrierungsverlust trainiert. Bei drei Benchmarks mit zuvor unbekannten Schnittstellen übertrifft es seinen Vorgänger um rund 45 F1-Punkte und senkt den Kalibrierungsfehler um 35 Punkte. Zugleich kann es mit deutlich größeren Modellen wie Claude‑Sonnet‑4.5 und GPT‑5.2 mithalten.
Warum es wichtig ist
Entwickler von KI-Assistenten können ein kleines Schutzmodell mit 0.6 B Parametern einsetzen, das in Chats sowie in Agenten- und Multi-Agenten-Kontexten zuverlässig bleibt. So werden mehrere separate Sicherheitsmodelle überflüssig.
