ThinkSafe：无需外部教师的安全对齐
热点事件持续更新
ThinkSafe：无需外部教师的安全对齐
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Seanie Lee 等作者提出 ThinkSafe，一种不依赖外部教师模型的安全对齐方法：从冻结的学生模型自身生成安全数据，经拒绝引导和安全过滤后离线微调。在 DeepSeek-R1-Distill 和 Qwen3 上，该方法提升安全性且推理性能保持竞争力；在 Qwen3-0.6B 上，其安全性和推理表现与 GRPO 相当，包含数据生成在内的实际耗时约为 GRPO 的七分之一。作者已公开代码、模型和数据集。
AI 根据报道生成 · 4 小时前更新
最新进展11月2日 13:00
ThinkSafe：推理模型自生成安全对齐方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AIThinkSafe：推理模型自生成安全对齐方法
ThinkSafe 提出一种无需外部教师模型的安全对齐方法，从冻结的学生模型自身生成安全数据，经拒绝引导与安全过滤后离线微调。在 DeepSeek-R1-Distill 和 Qwen3 上，该方法显著提升安全性且推理性能保持竞争力；在 Qwen3-0.6B 上，其安全性和推理表现与 GRPO 相当，但包含数据生成在内的实际耗时约为后者的七分之一。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。