Safety Context Injection：基于静态过滤与智能体分析的推理时安全对齐
Safety Context Injection: Inference-Time Safety Alignment via Static Filtering and Agentic Analysis
AI 导读
研究者提出推理时安全对齐框架Safety Context Injection，将安全评估与任务生成分离，前置注入结构化风险报告。轻量单遍过滤SMF延迟低，基于智能体循环的DAF应对语义伪装或长上下文攻击更有效。在覆盖基础与推理模型、五类越狱攻击的AdvBench和GPTFuzz评测中，两者均降低攻击成功率与毒性。