2月23日，清華大學與瑞萊智慧聯合團隊推出大語言模型RealSafe-R1。該模型基于DeepSeek R1進行深度優化與后訓練，在確保性能穩定的基礎上，實現了安全性的顯著提升，表現優于被認為安全性較好的閉源大模型Claude3.5、GPT-4o等，為開源大模型安全發展與風險治理提供了創新性解決方案。

連日來，國產開源大模型DeepSeek的優異表現令人驚艷，其在自然語言處理和多任務推理方面的能力展現了強大的技術實力，尤其是在復雜問題解決和創造性任務中表現出色。然而，DeepSeek R1和V3在面對越獄攻擊等安全性挑戰時仍存在一定的局限性。例如，模型可能會被惡意設計的輸入誤導，生成不符合預期或不安全的響應。這一安全短板并非DeepSeek所獨有的難題，而是當前開源大模型的通病，其根本缺陷源于安全對齊機制的深度不足。

為此，清華瑞萊聯合團隊提出了基于模型自我提升的安全對齊方式，將安全對齊與內省推理相結合，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險，實現基礎模型自身能力的自主進化，可以應用于多種開源、閉源模型。

基于該方法，團隊對DeepSeek-R1系列模型進行后訓練，正式推出RealSafe-R1系列大模型。實驗數據表明，RealSafe-R1安全性提升顯著，在多個基準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“蹺蹺板”現象，表現優于被認為安全性較好的閉源大模型Claude3.5、GPT-4o等，不僅為DeepSeek生態添磚加瓦，也為大語言模型樹立了新的安全標桿。

據悉，RealSafe-R1各尺寸模型及數據集，將于近期向全球開發者開源。“大模型的安全性瓶頸是本質的，只有通過持續投入和攻堅補齊短板弱項，人工智能產業才能真正實現高質量發展。”瑞萊智慧首席執行官田天表示，這一創新成果將為開源大模型的安全性加固提供有力支持，也為政務、金融、醫療等嚴肅場景的應用提供更為可靠的堅實基座。