DT-Guard：面向无推理 LLM 安全护栏的意图驱动推理活跃训练

针对大语言模型安全护栏在鲁棒性与效率间的权衡，本文提出 DT-Guard，采用“推理活跃训练、推理自由推断”范式。该方法在训练阶段利用推理监督，将安全判断构建为“意图 - 类别 - 安全”的渐进决策过程，并构建意图驱动数据集。此外，提出 rollout 引导的渐进式难例优化策略，通过多 rollout 一致性识别样本状态并进行针对性优化。推理时直接生成结构化标签，无需显式推理轨迹。实验表明，4B 模型在双端安全基准上平均 F1 达 0.878，优于更强的 8B 基线。