qq_41274320的博客

原创 XGuard（YuFeng-XGuard-Reason）深度测评报告

XGuard（YuFeng-XGuard-Reason）是一类面向大语言模型交互安全的护栏模型，用来识别用户请求、模型回复或通用文本中的风险类别，并输出结构化风险标签与置信度。它的产品化亮点主要体现在两点：首词低延迟判定（适合在线拦截）+ 归因解释（适合审计与复盘）。本次测评基于开源工程与本地离线推理：在本地环境下运行 0.6B 版本，围绕官方 29 类风险体系做覆盖测评（每类 10 条），并补充鲁棒性、多语言、响应安全与解释归因体验。