arXiv 自然语言处理· Jingnan Zheng, Cheng Jin, Ming Zhang, Huan Sun, Zhongtian Ma, Kaisen Yang, Ziyuan Zhou, Tong Wu, Dongcheng Zhang, Yi Zhang, Xiao Wang, Han Qi, Shu Yu, Ermo Hua, Zongji Yu, Chaozhuo Li, Xiaoyu Wen, Zhekai Chen, Jiawei Zhou, Sirui Chen, Ning Ding, An Zhang, Tat-Seng Chua, Xiangnan He, Xia Hu, Bowen Zhou, Qiaosheng Zhang, Youbang Sun, Xiang Wang, Zhongyu Huang, Chaochao Lu·· 5 小时前AI 评分41
Safin-1.5：面向递归安全改进的原生安全架构与可验证推理
Safin-1.5: Safety-Native Architecture and Verifiable Reasoning for Recursive Safety Improvement
AI 导读
研究人员推出 Safin-1.5 模型，采用原生安全架构并通过递归安全改进训练，在安全与推理性能上超越前沿模型。该架构将持久安全状态与危险知识解耦相结合，将有害知识重定位至可移除专家，并通过“发现-评估-修复”循环持续修补漏洞且限制过度拒绝。其推理 harness 结合语言理解与符号推理验证，支持符号求解器构建可核查证明。
来源：arXiv 自然语言处理 · arxiv.org