Pesquisadores liderados por Viet Thanh Pham lançaram o UniGuard, uma estrutura de treinamento que aprende a identificar sinais de segurança da mesma forma, seja a IA usada em um prompt único, numa conversa, no registro de ações de um agente ou num cenário com vários agentes. Eles criaram um conjunto de dados com 1,000 casos públicos de segurança e produziram cinco versões de cada caso. O modelo UniGuard‑0.6B resultante foi treinado com classificação, aprendizado contrastivo e uma função de perda especial para calibração. Em três testes de referência com interfaces não vistas durante o treinamento, ele supera seu antecessor em cerca de 45 pontos F1 e reduz o erro de calibração em 35 pontos, mantendo-se competitivo com modelos muito maiores, como Claude‑Sonnet‑4.5 e GPT‑5.2.
Por que importa
Desenvolvedores de assistentes de IA podem usar um sistema de proteção pequeno, com 0.6 B, que mantém a confiabilidade em conversas, contextos com agentes e cenários com vários agentes, reduzindo a necessidade de vários modelos de segurança.
