SentGuard：面向大语言模型的句子级流式护栏
SentGuard: Sentence-Level Streaming Guardrails for Large Language Models
AI 导读
研究者提出句子级流式护栏 SentGuard，在大语言模型流式生成的同时并行审核输出内容。轻量等待缓冲区将流式 token 组成句子块，仅放行通过验证的句子。配套 StreamSafe 基准覆盖 8 类危害的逐句标注；在 5 个安全基准上，SentGuard 优于现有基线，两句内检出 90.5% 的不安全案例，流式误报率仅 7.41%。