# UniGuard、LLM向けにインターフェース非依存の安全性モデルを発表

> 0.6 BのUniGuardモデルは、さまざまな対話形式で安全性分類の精度を高め、ベンチマークテストでより大規模なガードレールモデルを上回る。

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

Viet Thanh Pham氏が率いる研究チームは、AIが単一のプロンプト、会話、エージェントの実行履歴、マルチエージェントのシナリオのいずれで使われても、同じように機能する安全性のシグナルを学習するトレーニングフレームワーク「UniGuard」を公開した。研究チームは公開されている安全性事例1,000件からデータセットを構築し、それぞれを5種類の形式に変換した。こうして作られたUniGuard‑0.6Bモデルは、分類、対照学習、独自のキャリブレーション損失を用いてトレーニングされた。未知のインターフェースを対象とする3つのベンチマークでは、前身モデルを約45 F1ポイント上回り、キャリブレーション誤差を35ポイント削減した。Claude‑Sonnet‑4.5やGPT‑5.2など、はるかに大規模なモデルとも競争力を保っている。

## 事実

- UniGuard‑0.6Bは、1,000件の安全性事例をもとに作成されたUniGuard‑FTデータセットでトレーニングされた。
- ATBench、PolicyGuardBench、DynaBenchでは、平均F1スコアが45.12ポイント向上し、期待キャリブレーション誤差が35.41ポイント低下した。

## なぜ重要か

AIアシスタントの開発者は、チャット、エージェント、マルチエージェントの各環境で安定して機能する小型の0.6 Bガードレールモデルを利用でき、安全性モデルを複数用意する必要性を減らせる。

## 出典と参考資料

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

最終更新: 2026-10-23