通过理解和开放资源策略的出色表现，Deptseek-R1模型正在重塑全球人工智能的未来场景。但是，大量的工业评论表明，DeepSeek-R1全样模型的开放资源具有安全性缺陷，从而阻止了DeepSeek-R1的实际实施。此外，DeepSeek-R1全血版本的模型具有大量参数，涉及许多基础技术，并且其正确调整和技术阈值的资源很高。因此，中国Unicom数据科学和人工智能研究所遵守了中央企业继续克服困难的责任。最近，它完成了DeepSeek-R1全样版本安全增强功能的研究和开发，实现了原始模型推理能力的维护，同时显着提高了安全功能。卷tly，作为多模式符号的Yuanjing模型家族的成员，DeepSeek-R1全血性安全增强模型在Yuanjing Maas平台上启动并开放用于测试，为模型开发的模型开发应用提供了通用和出色的工具。在增强Yuanjing Maas平台安全性之前和之后，DeepSeek-R1安全改进版本的模型版本的实际影响比较。以下示例显示了Dept-R1安全性增强之前和之后的功能差异。可以看出，当涉及涉及基本社会价值的问题时，DeepSeek-R1安全性增强的版本可能会使更安全的答案更安全，并且更符合基本的社会主义价值观。保持最初的推理能力，并显着提高中国Unicom使用自由开发的中国基准ChisafetyBench安全评估的安全能力对原始Deptseek-R1和增强安全版本中安全功能的审查。此基准评估任务分为两种类型：许多选择，用于识别风险内容和回答风险问题的问题和问题。同时，为了评估安全修饰模型的推理能力，使用三个强大的Math-500，GPQA和LiveCodeBench基准测试了该模型，以观察安全增强程序对DEPT-R1推理能力的影响。从审查的结果中可以看到ANG推理安全基准检查的结果。在调整和增强DeepSeek-R1的安全性之后，该模型将风险内容识别的准确性提高了几乎20％，拒绝风险问题的速度增加了13％以上，责任响应率增加了11％以上，而颠覆性反应的数量降低到0，达到0，达到了完美的反应。同时，阿比里该模型在数学，逻辑，生成代码等方面的推理尚未受到影响。改进安全性解决DeepSeek-R1安全问题的方法，中国Unicom数据科学和人工智能研究所使用独立的专用安全思维数据来修复模型，并在国内平台上进行了DeepSeek-R1的全血培训培训。其中，安全性增强数据包括两个部分：专门针对歧视和违规等关键领域的安全数据以及一般的链条推理数据。安全数据可大大扩大模型安全性的宽度和深度，并且更全面地涵盖了安全风险的潜在方案。添加思维数据可以确保改善对性能建模的安全性，它保持原始的推理能力，从而实现平衡的安全性和推理能力。基于DeepSeek-R1模型的再训练是基本A实现DeepSeek-R1安全转换的能力。基于这种能力，中国Unicom数据科学和人工智能研究所在Yuanjing Big Model MASA平台上形成了一种“模型修改”工具，并创建了一个端到端的安全安全工具链。 MAAS平台和基本破布和智能机构都获得了工业和信息技术部中国软件评估中心的4+（最高级）认证。将来，中国Unicom将继续促进DeepSeek-R1模型的安全研究，不断优化模型安全和审查基准的方法，并继续揭示行业研究的最新结果。中国Unicom愿意与行业合作伙伴合作，共同努力，以提高大型模型的安全性和证书，加快大学的大型模型过程，并赋予人工知识分子的能力，以增强数千个行业的能力。 OPen resource of the model is as follows: GitHub: https://github.com/unicomai/DeePseek-R1-pafe Magic: https://www.modelscope.cn/models/unicomai/unichat-seepsek-s-h1-pafe-bf16https://www.modelscope.cn/models DeepSeek-R1-PAFE-SE8A8