待验证50% 置信事实精确时间

Shieldstral是一个3B（30亿参数）的开源权重多模态护栏模型，允许开发者在推理时用自然语言定义安全策略，并能同时评估文本、图像或两者的组合，从单个token输出中给出判断结果

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

Mistral开源Shieldstral：用自然语言定义AI安全护栏的多模态模型

涉及实体

Shieldstralproduct

相关事实

待验证Shieldstral是护栏模型（Guardrail Model），其核心任务是对输入或输出的内容进行分类与风险判定，而非生成内容77% 相似待验证应通过预防、检测和兜底三层防御建立完整的结构化输出链路，将模型输出视为外部输入进行完整校验62% 相似待验证同一套帮助理解并加固模型安全的可解释性工具，也能被反用来拆除安全护栏61% 相似待验证Guardrails安全护栏的三个典型应用场景是输入校验、行为约束与数据脱敏、输出内容检测60% 相似待验证护栏模型是专门用于监控和过滤AI系统输入输出的安全机制60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/874268

API

curl https://kongchang.com/api/v1/knowledge/claims/874268

MCP

get_claim(id=874268)