arXiv cs.AI· Jiale Dai, Liuxian Ma, Hongcan Deng, Xiaoke Niu, Wenjing Zhang, Zhaoxiang Liu, Shiguo Lian, Guojie Song·· 12 小时前AI 评分31
LaVGuard：面向上下文价值漂移的选择性解码方法
LaVGuard: Selective Decoding for Contextual Value Drift
AI 导读
LaVGuard 将上下文价值漂移建模为任务相关的解码问题，通过分离授权十维价值画像与可见前缀的冻结价值估计，用画像相对密度门控决定何时评估候选续写，并以改变位置与累积 KL 预算约束 logit 调整。在 5% FPR 下，画像条件化将边界 TPR 从 .58 提升至 .72；在相同 .12 平均干预比例下，LaVGuard 的风险安全得分为 .88，位置匹配编辑为 .72。
正文 · AI 翻译
摘要：一个内容安全的回复仍可能推动与其任务相冲突的优先事项：当被要求保持自主性时，助手可能会要求服从。我们将上下文价值漂移作为一个任务相关的解码问题来研究，并明确允许变化。LaVGuard 将授权的十维画像与对可见前缀中所表达价值的冻结估计分开。一个相对于画像的密度门控选择何时评估候选续写；它们的有符号进展决定了一个受变化位置和累积 KL 预算双重约束的 logit 倾斜。我们建立了局部代理改进、路径式预算可行性以及响应分布变化的界。画像条件化将 5% FPR 下的边界 TPR 从 .58 提高到 .72。在相同的 .12 平均干预比例下，选择研究报告 LaVGuard 的风险安全分数为 .88，位置匹配编辑为 .72。由此产生的接口使任务优先级可操作，同时保持干预程度明确且有界。
| 评论： | 37 页，5 幅图，16 张表，包括附录 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.29135 [cs.AI] |
| （或 arXiv:2610.29135v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29135 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiale Dai [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 03:14:15 UTC（400 KB）
来源：arXiv cs.AI · arxiv.org