优化输入守卫：通过思维链微调和对齐提升大型语言模型作为评判者的效率

本研究解决了大型语言模型在应对恶意用户交互方面的安全性和可靠性问题。我们提出了一种创新的方法，通过微调和对齐思维链的响应，使其作为输入审查的防御机制，以检测恶意输入并提供合理解释。实验结果表明，这些技术显著提高了对话式人工智能系统的安全性，并为更安全的AI驱动互动奠定了可行的框架。