arXiv cs.AI· Md Asiful Islam, Fahmida Alam, Mihai Surdeanu·· 3 天前AI 评分27
LR-Guard：通过潜在双假设推理与按需轨迹重建实现高效安全护栏
Efficient Safety Guardrails through Latent Dual-Hypothesis Reasoning with On-Demand Trace Reconstruction
AI 导读
研究团队提出 LR-Guard（Latent Reasoning Guardrail），通过将冻结教师模型对安全与不安全提示词解读的分析蒸馏为紧凑潜在表示，联合训练安全预测与教师显式推理轨迹重建，无需为每次决策生成中间文本即可提供可读解释。
正文 · AI 翻译
摘要：依赖基于推理的大型语言模型（LLM）的护栏方法改进了安全决策，但由于显式推理而带来大量推理开销。我们提出 LR-Guard（Latent Reasoning Guardrail），一种高效且可解释的护栏，联合学习结构化潜在推理和按需推理重建。我们的方法将冻结教师模型对安全和不安全提示解读的分析及其比较蒸馏为紧凑的潜在表示。联合训练针对安全预测和教师显式推理轨迹的重建来优化这些表示，从而无需为每个决策生成中间文本即可实现人类可读的解释。实验表明，LR-Guard 在大多数域内和域外设置下的安全分类和解释提取方面均优于其显式推理教师模型，同时在批大小为 1 时实现 19.4 倍的推理加速。此外，从潜在信息重建的推理轨迹与教师的显式推理表现出高度语义相似性。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.18304 [cs.AI] |
| （或 arXiv:2610.18304v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18304 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Md Asiful Islam [查看电子邮件]
[v1]
2026年10月13日星期二 12:49:47 UTC（394 KB）
来源：arXiv cs.AI · arxiv.org