Onderzoekers onder leiding van Viet Thanh Pham hebben UniGuard uitgebracht, een trainingsframework dat veiligheidssignalen leert herkennen op dezelfde manier, of de AI nu wordt gebruikt voor één prompt, een gesprek, een agenttraject of een scenario met meerdere agents. Ze stelden een dataset samen met 1.000 openbare veiligheidsgevallen en maakten van elk geval vijf verschillende weergaven. Het resulterende model UniGuard‑0.6B is getraind met classificatie, contrastief leren en een speciale kalibratieverliesfunctie. Op drie benchmarks met interfaces die het niet eerder had gezien, presteert het ongeveer 45 F1-punten beter dan zijn voorganger en verlaagt het de kalibratiefout met 35 punten. Tegelijk blijft het concurrerend met veel grotere modellen, zoals Claude‑Sonnet‑4.5 en GPT‑5.2.
Waarom het ertoe doet
Ontwikkelaars van AI-assistenten kunnen een klein veiligheidsmodel van 0,6 B gebruiken dat betrouwbaar blijft in chat-, agent- en multi-agentcontexten. Daardoor zijn er minder verschillende veiligheidsmodellen nodig.
