# UniGuard推出不受交互形式限制的LLM安全模型

> 0.6 B参数的UniGuard模型提升了不同交互形式下的安全分类表现，在基准测试中优于更大的护栏模型。

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

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。

## 事实

- UniGuard‑0.6B使用由1,000个安全案例整理而成的UniGuard‑FT数据集进行训练。
- 在ATBench、PolicyGuardBench和DynaBench上，它的平均F1分数提高了45.12点，预期校准误差降低了35.41点。

## 为什么重要

AI助手开发者可以使用这款仅有0.6 B参数的护栏模型，让它在聊天、智能体和多智能体场景中都保持可靠，从而减少对多种安全模型的需求。

## 来源与参考

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

最后更新: 2026-10-23