2月23日，清華大學(xué)計算機系相關(guān)研究團隊宣布推出大語言模型RealSafe-R1。該模型基于DeepSeek R1進行深度優(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)險治理提供了創(chuàng)新性解決方案。

近日來，國產(chǎn)開源大模型DeepSeek在自然語言處理和多任務(wù)推理方面展現(xiàn)了強大的技術(shù)實力，但在面對越獄攻擊等安全性挑戰(zhàn)時仍存在一定局限性。為此，清華團隊提出了基于模型自我提升的安全對齊方式，將安全對齊與內(nèi)省推理相結(jié)合，使大語言模型能夠通過具有安全意識的思維鏈分析來檢查潛在風(fēng)險，實現(xiàn)基礎(chǔ)模型自身能力的自主進化。

基于該方法，團隊對DeepSeek-R1系列模型進行后訓(xùn)練，正式推出RealSafe-R1系列大模型。實驗數(shù)據(jù)表明，RealSafe-R1安全性提升顯著，在多個基準(zhǔn)測試中有效增強了對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。