UniGuard推出不受交互形式限制的LLM安全模型

由Viet Thanh Pham领衔的研究团队发布了UniGuard。这是一套训练框架，旨在学习适用于多种使用场景的安全信号，无论AI面对的是单条提示、对话、智能体执行轨迹，还是多智能体场景。团队构建了一个包含1,000个公开安全案例的数据集，并将每个案例转化为五种不同形式。由此训练出的UniGuard‑0.6B模型采用了分类、对比学习和一种特殊的校准损失。在三个未见过的交互形式基准测试中，它比前代模型的F1分数平均高出约45点，校准误差降低35点；与此同时，其表现仍可与Claude‑Sonnet‑4.5和GPT‑5.2等大得多的模型一较高下。