SAFESHIELD：面向小语言模型部署时安全的决策组织框架

SAFESHIELD 是面向小语言模型的部署时安全系统，将安全决策组织为准入、路由、证据、放行四类职责，并把已提交决策记录为可审计的 Decision Traces。协调消融实验显示，移除准入门控会显著增加误放行，而放行决策缺少上游证据时准确率从 96.0% 降至 69.5%，表明部署时安全不仅取决于单个护栏能力，也取决于决策如何组织与协调。