PolicyShiftGuard: Benchmarking and Improving Policy-Adaptive Image Guardrails

• 类型：arxiv
• 标识：2607.05910
• 链接：https://arxiv.org/abs/2607.05910
• 主分类：risk
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes PolicyShiftGuard, a compact policy-conditioned guardrail trained with a two-stage training recipe that combines Randomized Policy SFT (RP-SFT) with Boundary-Pair Policy Adaptation (BP-Adapt), and confirms that matched pass/block boundary pairs are essential for stable policy adaptation.
• OpenAlex ID：W7167679369
• OpenAlex DOI：10.48550/arxiv.2607.05910
• DOI：10.48550/arxiv.2607.05910
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.05910
• OpenAlex更新：2026-07-19
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：PolicyShiftGuard: Benchmarking and Improving Policy-Adaptive Image Guardrails
• TLDR中文：论文提出 PolicyShiftGuard，一个紧凑的策略条件护栏，采用结合随机策略 SFT（RP-SFT）与边界对策略适配（BP-Adapt）的两阶段训练方案，并验证匹配的通过/拒绝边界对是稳定策略适配的关键。
• 来源文件：
• /inbox/tom/_candidates/2026-07-16-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]