SAFESHIELD：面向小型语言模型部署期安全的决策组织框架

SAFESHIELD 把小型语言模型的部署期安全建模为决策组织问题，将安全决策拆分为准入、路由、证据、发布四类职责，并以可审计的 Decision Traces 记录已提交决策。协调消融实验显示，切断准入门控会显著增加误发布；发布决策缺少上游证据时，发布准确率从 96.0% 降至 69.5%。结果表明部署期安全不仅取决于单个护栏能力，也取决于决策如何组织与协调。