HoloAegis: Guardrail LLM Zero-Shot tramite Varietà Topologiche di Sicurezza

Un recente preprint su arXiv (2608.08485) presenta HoloAegis, un framework progettato per la sicurezza degli LLM con parametri minimi, che funziona su rappresentazioni semantiche statiche senza necessità di fine-tuning. Questo metodo separa la rappresentazione dal ragionamento proiettando il testo su una sfera unitaria utilizzando un encoder che rimane non ottimizzato, basandosi esclusivamente su decisioni geometriche. Le valutazioni di sicurezza sono definite attraverso un calcolo dell'Energia Libera di Gibbs-Boltzmann basato su una Banca di Ancoraggi Topologici di Sistema predefinita, utilizzando solo due iperparametri costanti: il numero di ancoraggi K e la temperatura tau. Inoltre, impiega Medie Mobili Esponenziali a Doppia Scala Temporale per identificare graduali cambiamenti semantici multi-turno. Questo approccio sfida la tradizionale dipendenza da fine-tuning o giudici generativi, fornendo una soluzione zero-shot che preserva le rappresentazioni pre-addestrate e riduce i costi di inferenza.