Min Cai

VirbiusAgent 安全分类器（Prompt L1 检测），基于 Qwen3Guard-Gen-4B 微调的 LoRA 模型。 输出严格 JSON：hitrule 与 triggeredid。 同口径评测相对基座：漏检 15.4% 降到 0.8%（gold1000 / V15），jailbreak 召回 57.1% 升到 100%。 0.6B 轻量版：https://www.modelscope.cn/models/i1see1you/VirbiusGuard 基座用官方 Safety 模板（Unsafe / Controversial 视为拦截）；VirbiusGuard-4B 用引擎 JSON 协议。评测集与口径相同。 评测集：data/eval/gold1000.jsonl（615 unsafe / 385 safe）。误报 = FP / 385。 基座漏掉的主要是越狱与 Agent 工具滥用。V13.3 召回拉满但误报过高；V15 起进入可用区。V17 误报最低，但召回/自伤回退。 - 架构：Qwen3ForCausalLM（4B），LoRA（rank 32 / alpha 64） - 基座：Qwen3Guard-Gen-4B - 相对基座的补强：jailbreak 与 agent-behavior - V17 数据：与 0.6B V15 同口径，良性切片再平衡，含 oasst1、COIG 中文散文、OCR 风格文本 输出 10 种 unsafe 类别（triggeredid）或 safe（hitrule 为 false）。每条输入只输出一个主要类别：…