清华大学提出基于大语言模型的安全检测器ShieldLM，遵循通用人类安全标准，支持定制检测规则并解释决策。研究在14,387个双语查询-响应对上训练，在四个测试集上超越强基准，展现出色可定制性和可解释性，可作为先进语言模型的安全评估器，代码已开源。