UniGuard：0.6B 多视图护栏模型跨接口安全泛化，F1 提升 45 分
原文标题：UniGuard: Multi-View Guardrail Learning for Cross-Interface Safety Generalization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 UniGuard 训练框架，从同一安全案例的多种语义对齐视图学习接口不变的安全表征，并将 1000 个公开案例转为提示、回复、多轮对话、智能体轨迹等视图构建 UniGuard-FT 数据集。0.6B 的 UniGuard-0.6B 在 ATBench、PolicyGuardBench、DynaBench 上平均 F1 提升 45.12 分，校准误差降低 35.41 分，可与 Claude-Sonnet-4.5、GPT-5.2 等更大护栏模型竞争。
深读 · 结论先行AI 生成展开看要点与影响 ↓
0.6B 的 UniGuard 跨接口安全泛化，三个基准平均 F1 提升 45.12 分。
- •把 1000 个公开安全案例转成提示、回复、多轮对话、智能体轨迹、多智能体轨迹五种视图
- •用分类、监督对比学习与非对称置信校准三类损失训练
- •在 ATBench、PolicyGuardBench、DynaBench 上平均 F1 提升 45.12 分，校准误差降低 35.41 分
- •仅 0.6B 且只用合成数据训练，仍可与 Claude-Sonnet-4.5、GPT-5.2 等更大护栏模型竞争
为什么重要：护栏模型换接口就失效是部署中的实际问题，小模型跨接口泛化意味着更低成本的安全层选择。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
AI接管数学界引发的争议风波
AI 摘要过去一年，OpenAI、Anthropic等实验室宣称在多个长期数学难题上取得突破，甚至解决了一个千禧年大奖难题，但发布方式引发数学界强烈反弹。OpenAI成立独立数学家顾问小组以修复关系，却被指组织混乱、缺乏透明度，数学家担忧即将到来的成果洪流会冲击整个学科。
AMD将以82亿美元收购李飞飞的World Labs
AI 摘要AMD宣布以约82亿美元全股票交易收购李飞飞联合创立的AI研究实验室World Labs。李飞飞将出任AMD执行副总裁兼首席科学家，向CEO苏姿丰汇报。该交易预计年底完成，旨在强化AMD围绕新兴模型开发AI硬件、软件与系统的能力。
AMD逾80亿美元收购AI公司World Labs
AI 摘要AMD宣布以约82亿美元全股票交易收购李飞飞联合创立的AI研究实验室World Labs。World Labs于2024年成立，数月内估值达10亿美元，2025年推出世界生成模型Marble。李飞飞将任AMD执行副总裁兼首席科学家，团队继续专注AI模型研究。
上周AI要闻：纳维-斯托克斯证明争议与前沿节奏
AI 摘要OpenAI 声称完成千禧年大奖难题之一纳维-斯托克斯方程的证明，但与数学界爆发争执，引发对其成果真实性的质疑。Anthropic CEO 呼吁放缓前沿模型开发节奏，同时多位人士的灭绝风险警告推动监管呼声升温。本期还涵盖 AI 滥用等议题。