预测，而非反应：LLM 流媒体基于价值的安全预测

在许多实际的 LLM 部署中，单个护栏用于提示和响应调节。提示审核对完全观察到的文本进行操作，而流式响应审核则需要在部分生成上做出安全决策。现有的基于文本的流护栏通常将这种输出侧问题描述为边界检测，训练模型来识别响应已经变得不安全的最早前缀。在这项工作中，我们引入了 StreamGuard，这是一种与模型无关的统一流护栏，它将调节制定为预测问题：给定部分前缀，该模型可以预测未来可能延续的预期危害。我们使用蒙特卡洛轨迹采样来监督​​这一预测，这使得早期干预无需精确的 词元级 边界注释。在标准安全基准中，StreamGuard 在输入审核和流输出审核方面都表现出色。在 8B 规模上，相对于 Qwen3Guard-Stream-8B-strict，StreamGuard 将聚合输入调节 F1 从 86.7 提高到 88.2，将聚合流输出调节 F1 从 80.4 提高到 81.9。在 QWENGUARDTEST response_loc 流媒体基准测试中，StreamGuard 达到了 97.5 F1、95.1 召回率和 92.6% 的准时干预率，而 Qwen3Guard-Stream-8B-stric 的 F1 值为 95.9、召回率 92.1 和 89.9%，同时将遗漏率从 7.9% 降低到 4.9%。我们进一步表明，基于预测的监督在标记器和模型系列之间有效转移：通过转移目标，Gemma3-StreamGuard-1B 达到 81.3 响应调节 F1、98.2 流 F1 和 3.5% 的漏失率。这些结果表明，无需精确的边界标签即可获得强大的端到端流调节，并且预测未来风险是低延迟安全干预的有效监督策略。