大型语言模型（LLM）能够对多样化的用户请求生成流畅的回复，但在流式生成过程中，用户可能在完整内容生成前就接触到有害信息。现有的安全防护存在两大局限：一是仅在回复或块级边界进行事后审查，导致有害内容在验证前被泄露；二是即使实现了 token 级检测，仍采用粗粒度的回复级监督，无法明确有害内容的起始位置，而固定层的读取方式可能遗漏其他深度的安全信号。为克服这些问题，本文提出 ADTGuard，它在每个 token 输出前进行检查，逐步细化 token 级训练目标，并根据当前前缀自适应选择观察层。ADTGuard 通过深度‑时间安全动态（Depth‑Time Safety Dynamics，DTSD）在每个 token 上整合各层的安全证据，并利用这些证据指导风险在连续 token 之间的累积。为实现对前缀的层选择自适应，本文引入因果深度路由器（Causal Depth Router，CDR）。在仅有回复级标签的情况下，进一步设计风险起始目标细化（Risk‑Onset Target Refinement，RTR），逐步构建两大组件的 token 级训练目标。大量实验在多个安全基准上验证，ADTGuard 在流式检测性能上始终保持领先或持平于最先进的防护方案，仅使用 16M 可训练参数，并保持竞争性的每 token 延迟。
点评：ADTGuard 通过在深度和时间维度上同步建模安全信号，实现了对流式生成的细粒度、低延迟拦截，为实际部署提供了高效且可扩展的安全保障。