2月23日，清華大學(xué)計(jì)算機(jī)系相關(guān)研究團(tuán)隊(duì)宣布推出大語(yǔ)言模型RealSafe-R1。該模型基于DeepSeek R1進(jìn)行深度優(yōu)化與后訓(xùn)練，在確保性能穩(wěn)定的基礎(chǔ)上，顯著提升了安全性，為開源大模型的安全發(fā)展與風(fēng)險(xiǎn)治理提供了創(chuàng)新性解決方案。
近日來(lái)，國(guó)產(chǎn)開源大模型DeepSeek在自然語(yǔ)言處理和多任務(wù)推理方面展現(xiàn)了強(qiáng)大的技術(shù)實(shí)力，但在面對(duì)越獄攻擊等安全性挑戰(zhàn)時(shí)仍存在一定局限性。為此，清華團(tuán)隊(duì)提出了基于模型自我提升的安全對(duì)齊方式，將安全對(duì)齊與內(nèi)省推理相結(jié)合，使大語(yǔ)言模型能夠通過(guò)具有安全意識(shí)的思維鏈分析來(lái)檢查潛在風(fēng)險(xiǎn)，實(shí)現(xiàn)基礎(chǔ)模型自身能力的自主進(jìn)化。
基于該方法，團(tuán)隊(duì)對(duì)DeepSeek-R1系列模型進(jìn)行后訓(xùn)練，正式推出RealSafe-R1系列大模型。實(shí)驗(yàn)數(shù)據(jù)表明，RealSafe-R1安全性提升顯著，在多個(gè)基準(zhǔn)測(cè)試中有效增強(qiáng)了對(duì)各種越獄攻擊的抵抗力，并減輕了安全與性能之間的“蹺蹺板”現(xiàn)象。
據(jù)悉，RealSafe-R1各尺寸模型及數(shù)據(jù)集將于近期向全球開發(fā)者開源。
責(zé)任編輯：陸迪
