**PolicyShiftGuard：应对策略变更的图像安全护栏基准与优化**

_PolicyShiftGuard: Benchmarking and Improving Policy-Adaptive Image Guardrails_

> 针对现有图像安全护栏在固定策略下训练的局限性，研究提出PolicyShiftGuard，通过引入PolicyShiftBench基准和两阶段训练方法（RP-SFT与BP-Adapt），使模型能根据动态提供的安全策略自适应判断图像风险。该7B模型在基准测试中达到SOTA性能，显著提升了策略敏感性和推理效率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.05910)