OpenAI新安全对齐法：深思熟虑对齐，让AI更安全可控？

摘要：近期，OpenAI的研究团队宣布了一项名为“深思熟虑的对齐”的创新技术，旨在提升人工智能模型的安全性，特别是在大型语言模型（LLMs）领域。这项技术已经在o系列模型中得到了成功应用，并显示出显著的成效。

近期，OpenAI的研究团队宣布了一项名为“深思熟虑的对齐”的创新技术，旨在提升人工智能模型的安全性，特别是在大型语言模型（LLMs）领域。这项技术已经在o系列模型中得到了成功应用，并显示出显著的成效。

面对确保大型语言模型遵循道德和安全标准的挑战，现有的对齐技术，如监督微调（SFT）和基于人类反馈的强化学习（RLHF），虽有其优势，但也存在明显的局限。这些技术有时会被恶意提示所操纵，导致生成有害内容、拒绝合理请求或在面对陌生情境时表现不佳。这些问题的根源在于，模型往往是从数据中间接推断安全标准，而非直接学习并理解这些标准。

为了解决这个问题，“深思熟虑的对齐”方法应运而生。它直接教授模型安全规范，并训练模型在生成响应之前，先对这些规范进行推理，将安全原则内化为模型的一部分。这种方法不仅增强了模型的安全性，还提高了其在复杂或对抗性情境下的应对能力。

该技术的实施分为两个阶段。在第一阶段，通过监督微调（SFT），模型学会了参考并推理安全规范，这一过程利用了从基础模型生成的数据集。第二阶段则引入了强化学习（RL），使用奖励模型根据安全基准评估模型的性能，进一步优化其推理能力。值得注意的是，“深思熟虑的对齐”方法减少了对人工标注数据的依赖，而是利用模型生成的数据和思维链（CoT）推理，从而降低了安全训练的资源成本。

OpenAI的o1模型已经部署了这项技术，并在实际测试中取得了令人瞩目的成绩。在抵抗越狱提示方面，o1模型在StrongREJECT基准测试中的得分高达0.88，远超过GPT-4o的0.37分。同时，这项技术还有效减少了误拒现象，在XSTest数据集的良性提示中，o1模型的准确率达到了93%。