StepSafe：用上下文感知安全推理学习及时干预

StepSafe 通过 ASPO 训练框架实现 step 级安全推理的及时干预，并在五个 agent-safety benchmark 上取得开源护栏 SOTA。其 Youden's J 为 53.0（4B），对比 46.2，方法结合前缀级阶段对齐与自适应反馈自蒸馏。训练数据每步带有违规分类和干预窗口，并通过自演化多智能体红队扩展。