ニュース
Reflection 公开 Beam 安全评估，强调拒答测试不等于整体安全
Reflection 发布 Beam 安全训练与评估说明，区分有害请求拒答和模型能力带来的系统性风险。其自评风险等级有特定比较基准，不应视为不存在风险的证明。
Reflection 于 11 月 5 日公开 Beam 的安全训练方法与评估结论。公司介绍了数据过滤、安全后训练及 Project Iris 评测，并将模型对有害请求的拒答行为与其潜在能力风险分别评估。
在其 Open Safety Framework 下，公司将四类系统性风险评为 Limited，含义是相对可比较的开放权重模型未观察到威胁面的实质扩张，而非宣称绝对安全。官方也披露了对抗测试和目标驱动行为中的失败案例，结果仍受测试配置及样本范围限制。
参考：Reflection官方说明。