清华团队推出“安全增强版 DeepSeek”

三千夜

2 月 23 日，清华大学计算机系相关研究团队宣布推出大语言模型 RealSafe-R1。该模型基于 DeepSeek R1 进行深度优化与后训练，在确保性能稳定的基础上，显著提升了安全性，为开源大模型的安全发展与风险治理提供了创新性解决方案。
近日来，国产开源大模型 DeepSeek 在自然语言处理和多任务推理方面展现了强大的技术实力，但在面对越狱攻击等安全性挑战时仍存在一定局限性。为此，清华团队提出了基于模型自我提升的安全对齐方式，将安全对齐与内省推理相结合，使大语言模型能够通过具有安全意识的思维链分析来检查潜在风险，实现基础模型自身能力的自主进化。
基于该方法，团队对 DeepSeek-R1 系列模型进行后训练，正式推出 RealSafe-R1 系列大模型。实验数据表明，RealSafe-R1 安全性提升显著，在多个基准测试中有效增强了对各种越狱攻击的抵抗力，并减轻了安全与性能之间的“跷跷板”现象。
据悉，RealSafe-R1 各尺寸模型及数据集将于近期向全球开发者开源。

来源丨人民网

秋浦渔歌

点赞