أصدرت Deshwalx مصنفًا متعدد التصنيفات لسياج الحماية الخاص بنماذج اللغات الكبيرة (LLM) بزمن استجابة منخفض، حيث قامت بضبط نموذج `google/electra-small-discriminator` ذي الـ14 مليون معلمة تقريبًا للكشف عن أربعة متجهات أمان مستقلة في تمرير أمامي واحد.
- F1 الدقيق: 90.00% | F1 الكلي: 89.00%
- أوامر هجومية (اختراق القيود): F1 = 1.00
- رفض الاستجابة: F1 = 0.86
- أمر ضار: F1 = 0.88
- استجابة ضارة: F1 = 0.81
يسعى المؤلف للحصول على ملاحظات من المجتمع لتحسين الإصدار 1، ويطلب تحديدًا حالات حافة يفشل فيها النموذج، وأمثلة على النتائج الإيجابية الكاذبة على المدخلات غير الضارة، واقتراحات لتكوينات البنية أو موازنة أوزان دالة الخسارة.