Safin-1.5：安全原生架构与可验证推理

论文提出经递归安全改进训练的 Safin-1.5 模型

资讯摘要

论文提出 Safin-1.5，一种基于安全原生架构、经递归安全改进训练的模型，并配有推理时形式化推理框架。方法包含三部分：结合持久安全状态与危险知识解耦的安全架构；发现—评估—修复的递归安全改进循环；以及结合符号推理与验证的形式化推理框架。作者报告其在安全与推理性能上优于前沿模型。

要点速读

1. 安全架构将持久安全状态与危险知识解耦结合，把目标危险知识迁入可移除专家，以便在尽量不影响通用能力的前提下移除。
2. 递归安全改进建立发现—评估—修复循环，仅在提升安全且保持通用能力、限制过度拒答时接受更新。
3. 形式化推理框架结合语言理解与符号推理验证，通过证明义务引导的语义桥接补全形式表示中缺失的关系。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。