arXiv发布AdaGuard动态安全护栏框架

发生了什么

据arXiv论文《AdaGuard: Enhancing Safety and Policy Compliance with Reasoning-Enabled LLM-As-A-Judge Guardrails》介绍，研究团队提出了一种基于推理增强的LLM裁判动态安全合规护栏框架。该框架通过监督微调（SFT）和强化学习（GRPO）构建，能够动态推断输入策略对的复杂性，在高速黑盒推理与可解释推理之间切换，以平衡延迟要求与透明度需求。