Forskare under ledning av Viet Thanh Pham har släppt UniGuard, ett träningsramverk som lär sig säkerhetssignaler som fungerar på samma sätt oavsett om AI:n används med en enskild prompt, i en konversation, i ett agentförlopp eller i ett scenario med flera agenter. Forskarna byggde en datamängd med 1 000 offentliga säkerhetsfall och skapade fem olika versioner av varje fall. Den resulterande modellen UniGuard‑0.6B tränades med klassificering, kontrastiv inlärning och en särskild kalibreringsförlust. I tre tester med gränssnitt som modellen inte tidigare mött presterar den cirka 45 F1-poäng bättre än sin föregångare och minskar kalibreringsfelet med 35 poäng, samtidigt som den står sig väl mot betydligt större modeller som Claude‑Sonnet‑4.5 och GPT‑5.2.
Varför det spelar roll
Utvecklare av AI-assistenter kan använda en liten skyddsmodell på 0,6 miljarder parametrar som fungerar tillförlitligt i chatt-, agent- och fleragentsammanhang. Det minskar behovet av flera olika säkerhetsmodeller.
