提出意图感知训练方法并构建AIMS数据集,将用户意图作为显式信号用于提升LLM安全分类性能,通过GRPO奖励意图忠实度在多个安全基准上取得最优表现。
机构:格罗宁根
来源:arXiv 2606.27210 | AI4Papers 论文推荐平台