arXiv · cs.AI· Jiawei Chen·· 11 天前AI 评分48
重新思考 GRPO 在大型推理模型安全对齐中的应用并提出 Beacon 框架
Rethinking GRPO for Large Reasoning Model Safety Alignment
来源与原文
arXiv · cs.AI
作者：Jiawei Chen
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23085v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文指出 GRPO 用于大推理模型安全对齐时存在优势坍缩与不安全多样化两种失效模式，并提出包含 Safety Signal Recovery 与 Safety-Utility Decoupled Alignment 的 Beacon 框架。在 Qwen3 与 DeepSeek-R1-Distill 四个变体、八个 benchmark 上的实验显示，平均安全误差最多降低 32.83 个百分点，同时保持较低过度拒答。
来源：arXiv · cs.AI · arxiv.org