SAFESHIELD：小模型部署期安全决策组织框架

2026年10月7日，arXiv Software Engineering 发布一手研究，提出 SAFESHIELD 框架，将小型语言模型的部署期安全建模为决策组织问题。该框架把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；当发布决策缺少上游证据时，发布准确率从 96.0% 降至 69.5%。研究结果表明，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。目前报道仅涉及该框架设计与实验结果，未见后续验证或部署信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。