AdaGuard自适应守卫模型与AdaptiveSafety数据集发布
热点事件持续更新
AdaGuard自适应守卫模型与AdaptiveSafety数据集发布
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv Artificial Intelligence 刊出研究，作者提出自适应守卫模型 AdaGuard、强化学习算法 SafePO 与数据集 AdaptiveSafety。AdaGuard 包含 0.6B、4B、8B 三种规模，可在推理时按用户提供的策略评估语言模型智能体的轨迹；其中 4B 模型在 AdaptiveSafety 上二分类准确率达 89.30%，在 DynaBench 上为 71.82%。AdaptiveSafety 含 10,939 条训练样本和 1,000 条测试样本，覆盖含 1 至 100 条规则的策略。目前进展为模型、算法与数据集一并公开，尚无后续跟进报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月22日 12:00
AdaGuard：支持用户自定义策略的自适应防护模型报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv Artificial IntelligenceAdaGuard：支持用户自定义策略的自适应防护模型
AdaGuard 是一组 0.6B、4B、8B 的防护模型，可在推理时按用户提供的策略评估语言模型智能体的轨迹。其 4B 模型在 AdaptiveSafety 上二分类准确率达 89.30%，在 DynaBench 上为 71.82%。研究同时发布含 10,939 条训练样本和 1,000 条测试样本的 AdaptiveSafety 数据集，并提出强化学习算法 SafePO。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。