Arc Sentry 在对决基准中 92% 碾压 LLM Guard 的 70%，它是怎么做到的？

我做了个叫 Arc Sentry 的工具，专门给开源权重 LLM 做“生成前”提示注入检测。它不像传统方案那样事后扫描文本，而是在 generate() 调用前直接读模型内部残差流，一旦信息几何结构被推到不稳定区域就拦截。130 条提示的 SaaS 实战数据集对决结果： Arc Sentry：92% 检出，0% 误报 LLM Guard：70% 检出，3.3% 误报 差距来自架构：LLM Guard 是在文本层面做分类，Arc Sentry 是在测量模型本身是否被推到异常状态。这是两个不同维度的问题，几何视角能抓住文本分类器漏掉的攻击。它还能识别 Crescendo 那种多轮渐进式操控——单看每轮都人畜无害。LLM Guard 在 8 轮测试中 0 检出。 安装：pip install arc-sentry GitHub：https://github.com/9hannahnine-jpg/arc-sentry 如果你在本地部署 Mistral、Llama 或 Qwen，想尝鲜就喊我。