StepSafe：通过上下文感知安全推理实现适时干预

研究人员提出用于智能体系统步骤级适时干预的训练框架 ASPO 及推理安全护栏 StepSafe。该方案结合前缀级阶段对齐与自适应反馈自蒸馏，在每一步标注违规分类与干预窗口，并在不可逆伤害发生前适时制止。4B 参数规模的 StepSafe 在 5 个智能体安全评测基准中取得开源安全护栏的 SOTA 表现，Youden's J 指标达到 53.0。