Skip to content
Hot eventLive

SAFESHIELD：小模型部署期安全决策组织框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 发布 SAFESHIELD 研究：四类决策职责加可审计记录，缺上游证据时发布准确率降至69.5%。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Software Engineering
    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。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.