ContextGuard：用于语言模型上下文学习的结构化自审计

近期基准测试表明，尽管大型语言模型（LLM）具备强大的推理能力，但在忠实应用复杂上下文知识方面仍面临挑战。这些失败通常并非整体推理能力的崩溃：在富含上下文的任務中，模型可能遵循核心推理路径，却遗漏了边缘性、持久性或格式敏感性的要求。本文提出的 ContextGuard 通过结构化自审计机制，旨在解决这一特定类型的推理缺陷，确保模型能全面且准确地利用上下文信息。