帮助大模型提升自身安全性 科研团队发布AI安全平台

中新网北京7月9日电 (记者 张素)以ChatGPT为代表的生成式人工智能广受关注，大模型亦在加速发展。科研团队近日发布新的AI安全平台，以期为大模型系好“安全带”、把好“方向盘”。

据介绍，人工智能安全平台RealSafe3.0版本由清华大学人工智能研究院孵化企业瑞莱智慧RealAI发布。该平台能够提供端到端的模型安全性测评解决方案，旨在解决当前通用大模型安全风险难以审计的“痛点”。

“大模型‘落地难’的本质在于，当前还没有找到场景、风险和规范三者之间的平衡点。”瑞莱智慧联合创始人、算法科学家萧子豪在受访时说，而在探寻这一平衡点的过程中缺少易用和标准化的工具。换言之，亟须在技术层面找到有力抓手，帮助人们科学评判大模型在场景中能否同时满足规范和低风险，助力大模型上线运行。

据知，相较上一版本，RealSafe3.0新增了对通用大模型的评测。该平台覆盖数据安全、认知任务、通用模型特有漏洞、滥用场景等近70个评测维度，可以全方位、多维度地评测通用大模型的性能，未来还会持续扩增测评维度的数量。

萧子豪介绍说，RealSafe3.0内部集成了多个自研模型和专家论证高质量数据集，来帮助用户修复模型中的问题。例如，对黑盒不可解释的通用大模型，自研红队对抗模型取代人工设计问题，显著提升攻击成功率和样本多样性。

再如，教练模型通过对被测大模型进行多轮次的“提问—回答训练”，并以训练好的评分模型对问答结果进行评分，再将评分结果反馈给大模型，使其不断强化学习到好坏答案的要点及区别，直至问答能力逐步迭代至最优。

值得一提的是，瑞莱智慧科研团队还研发出能够防范生成式人工智能恶意滥用的DeepReal2.0，即“生成式人工智能内容检测平台”。该平台支持对图像、视频、音频、文本进行是否伪造的检测，应用场景包括打击网络诈骗和声誉侵害行为、检测网络内容合规性、检测音视频物证真实性等。

“我们将持续迭代技术、打磨产品，以确保在这场人工智能安全‘攻防战’中始终立于不败之地，将人工智能的两面性这一‘关键变量’，转化为高质量发展的‘最大增量’。”萧子豪说。