研究 HuggingFace Daily Papers 2026-07-16

PolicyShiftGuard：策略自适应图像防护栏的基准与改进

图像防护栏通常在固定安全策略下训练评估，将安全性视为图像内在属性。实际部署中同一图像在不同产品可能有不同限制。研究策略自适应防护栏场景，模型需判断图像是否违反当前策略并泛化到未见过的策略定义。提出PolicyShiftBench基准，包含265张图像的2000个策略判别实例。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。