# UniGuard, LLM 인터페이스에 구애받지 않는 안전 모델 공개

> 0.6B 규모의 UniGuard 모델은 다양한 상호작용 형식에서 안전성을 더 정확히 분류하며, 벤치마크에서 더 큰 가드레일 모델을 앞섰다.

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

Viet Thanh Pham이 이끄는 연구진이 UniGuard를 공개했다. 이 학습 프레임워크는 AI를 단일 프롬프트, 대화, 에이전트 추론 기록, 다중 에이전트 시나리오 중 어떤 방식으로 사용하더라도 동일하게 작동하는 안전 신호를 학습한다. 연구진은 공개된 안전성 사례 1,000개로 데이터셋을 만들고, 각 사례를 다섯 가지 형식으로 변환했다. 이렇게 만든 UniGuard‑0.6B 모델은 분류, 대조 학습, 특수 보정 손실 함수를 활용해 학습됐다. 보지 못한 인터페이스를 대상으로 한 세 가지 벤치마크에서 이전 모델보다 F1 점수가 약 45점 높고 보정 오차는 35점 낮았으며, Claude‑Sonnet‑4.5와 GPT‑5.2 같은 훨씬 큰 모델과도 경쟁력 있는 성능을 보였다.

## 팩트

- UniGuard‑0.6B는 안전성 사례 1,000개에서 만든 UniGuard‑FT 데이터셋으로 학습됐다.
- ATBench, PolicyGuardBench, DynaBench에서 평균 F1 점수가 45.12점 높아졌고, 기대 보정 오차는 35.41점 낮아졌다.

## 왜 중요한가

AI 비서 개발자는 채팅, 에이전트, 다중 에이전트 환경에서 안정적으로 작동하는 소형 0.6B 가드레일을 활용해 여러 안전성 모델을 따로 운용할 필요를 줄일 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-23