SFCoT：通过主动安全评估与校准实现更安全的思维链

大型语言模型在复杂推理任务中表现卓越，但极易受到破坏安全对齐的越狱攻击。现有防御机制通常仅对最终输出进行事后过滤，导致中间推理步骤缺乏监控且易受对抗性操纵。为此，本文提出更安全思维链（SFCoT）框架，旨在实时主动评估并校准潜在的不安全推理步骤。SFCoT 结合三级安全评分系统与多视角一致性验证机制，以检测推理全过程中的潜在风险，并通过动态干预模块进行针对性校准，将推理轨迹引导至安全结果。实验表明，该方法将攻击成功率从 58.97% 降至 12.31%，是一种有效且高效的 LLM 安全增强方法，且未显著降低通用性能。