# UniGuard ने LLM के लिए इंटरफेस-निरपेक्ष सुरक्षा मॉडल पेश किया

> 0.6 B का UniGuard मॉडल अलग-अलग संवाद प्रारूपों में सुरक्षा वर्गीकरण बेहतर करता है और बेंचमार्क परीक्षणों में बड़े सुरक्षा मॉडल से आगे रहता है।

Oossa · 2026-10-23 · https://oossa.com/hi/uniguard-introduces-interface-agnostic-safety-model-for-llms

Viet Thanh Pham के नेतृत्व में शोधकर्ताओं ने UniGuard जारी किया है। यह एक प्रशिक्षण फ्रेमवर्क है, जो ऐसे सुरक्षा संकेत सीखता है जो AI के एकल प्रॉम्प्ट, बातचीत, एजेंट ट्रेस या कई एजेंटों वाले परिदृश्य—हर प्रारूप में एक ही तरह काम करते हैं। शोधकर्ताओं ने 1,000 सार्वजनिक सुरक्षा मामलों का डेटासेट बनाया और हर मामले के पाँच अलग-अलग रूप तैयार किए। इसके बाद UniGuard‑0.6B मॉडल को वर्गीकरण, कॉन्ट्रास्टिव लर्निंग और एक विशेष कैलिब्रेशन लॉस के साथ प्रशिक्षित किया गया। तीन ऐसे बेंचमार्क पर, जिनके इंटरफेस मॉडल ने पहले नहीं देखे थे, इसने अपने पिछले संस्करण से लगभग 45 F1 अंक बेहतर प्रदर्शन किया और कैलिब्रेशन त्रुटि 35 अंक घटाई। साथ ही, यह Claude‑Sonnet‑4.5 और GPT‑5.2 जैसे कहीं बड़े मॉडलों के मुकाबले भी प्रतिस्पर्धी रहा।

## तथ्य

- UniGuard‑0.6B को 1,000 सुरक्षा मामलों से तैयार UniGuard‑FT डेटासेट पर प्रशिक्षित किया गया।
- ATBench, PolicyGuardBench और DynaBench पर इसका औसत F1 स्कोर 45.12 अंक बढ़ा और अपेक्षित कैलिब्रेशन त्रुटि 35.41 अंक घटी।

## यह क्यों मायने रखता है

AI असिस्टेंट बनाने वाले डेवलपर चैट, एजेंट और कई एजेंटों वाले संदर्भों में भरोसेमंद रहने वाले छोटे 0.6 B सुरक्षा मॉडल का इस्तेमाल कर सकते हैं। इससे अलग-अलग सुरक्षा मॉडलों की जरूरत घट सकती है।

## स्रोत और संदर्भ

1. [UniGuard: Multi-View Guardrail Learning for Cross-Interface Safety Generalization](https://arxiv.org/abs/2610.30742) – arXiv, 2026-10-23

अंतिम अपडेट: 2026-10-23