C-SafeGen 用声明级流式护栏实现可认证的 LLM 安全生成

C-SafeGen 论文提出基于声明（claim）的流式解码算法 CSD，在 LLM 逐条生成声明时接入流式护栏模型，并对被标记为高风险的声明触发回溯改写。作者结合保形分析给出生成风险认证框架，推导出安全风险的高概率上界，并证明该方法可将安全风险渐近控制在任意目标水平。实验显示其效果与效率优于现有安全解码方法，作者还用真实数据验证了所推导上界的合理性与紧致性。

标题与摘要由 AI 辅助生成，事实与观点以原文为准。