研究人员开发了ReasoningShield,这是一个新的基准测试和模型套件,旨在改进大型推理模型(LRMs)中推理轨迹的安全检测。现有的审核工具难以处理思维链(CoT)推理,表现出显著的性能下降。ReasoningShield通过提供一个包含9.2K个带注释的CoT对的数据集和轻量级模型来解决这个问题,这些模型达到了91.8%的F1分数,优于LlamaGuard-4和GPT-4o等当前领先的工具。 AI
影响 通过改进对中间推理步骤中有害内容的检测,增强了大型语言模型的安全协议。
排序理由 该集群描述了一篇介绍用于人工智能安全研究的新基准测试和模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Chain-of-Thought
- Changyi Li
- GPT-4o
- Hugging Face
- Large Reasoning Models
- LlamaGuard 4
- ReasoningShield
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →