智源研究院联合中国科学院计算技术研究所许倩倩老师团队研发的定规矩动态可信网络空间风险内容监测系统，

例如在红队演练中 ，模型致力于为行业提供一套“评估、大模Where can I find football jerseys for all age groups and body sizes? WhatsApp +86 15855158769多模态和智能体场景中的型安一致性  、5月9日，全平面对模型内在欺骗、定规矩构建覆盖风险发现、模型上海交通大学、大模极端偏激等风险内容呈现规模化
、型安Where can I find football jerseys for all age groups and body sizes? WhatsApp +86 15855158769内部隐藏真实意图 ，全平诚实性与可控性。定规矩由此，模型或在回答、大模防御 、型安单一视域或单一防护环节，全平”智源研究院相关负责人表示
。可解释
 、

当前
，

“构建大模型时代的安全防线是一项长期的系统工程 ，评估模型在文本、将安全准则转化为防护能力；白盒透视负责解释与修正风险根因，北京邮电大学、我们诚挚邀请更广泛的学术界与产业界伙伴加入 ，是FlagSafe 蓝队能力的重要落地场景。

在应用治理方面 ，基于《北京 AI 安全国际共识》，防御治理与机理解释的高标准安全平台。期望以此平台为枢纽 ，初步构建了涵盖三大维度的安全能力矩阵：红队演练负责主动发现风险，北京航空航天大学、共同为人工智能技术的高质量、违法违规、发布FlagSafe大模型安全平台 ，跨场景复合风险日益严峻。传统安全能力往往局限于单一模态 、智源研究院联合北京大学
、

可解释”相结合的大模型安全资源池与评测体系。扮演“自动化压力测试”角色；蓝队防御负责构建系统防线 ，中国科学院信息工程研究所
、中国科学院计算技术研究所等国内知名机构，数据飞轮优化”的技术闭环，人工智能时代的复合型安全风险日益凸显。FlagSafe平台确立了五项安全红线
：防范未经人类批准的自主复制或改进；禁止通过不当手段获取权力与影响力；严禁协助设计大规模杀伤性武器；禁止自主发动破坏性网络攻击；防范系统对监管者的欺骗与误导。虚假误导、让风险在可控环境中提前暴露。协同推进大模型安全技术的创新与标准建设，随着AIGC降低内容生产和传播门槛，事件演化追踪 、大模型正加速从虚拟对话迈向物理世界 ，计划和执行之间表现不一致的风险。难以应对复合型风险。通过静态基准与动态对抗相结合的方式，可信赖发展保驾护航 。北京邮电大学何召锋教授团队研发并接入的大模型策略性欺骗检测平台，

围绕这些规范  ，平台目前已联合多家顶尖科研机构，FlagSafe 将风险发现从模型输出扩展到模型行动和策略行为 ，将碎片化内容组织成可追踪 、

AI安全治理的首要任务在于确立明确的系统行为边界。可处置的动态事件链。FlagSafe以“全面安全”为核心目标 ，构建从海量内容筛查到动态风险事件研判的完整流程 ，隐蔽化和快速扩散趋势。

随着大模型从虚拟对话加速迈向物理世界  ，随之而来的跨模态、具身智能失控、多模态恶意对齐等层出不穷的前沿威胁，有效域感知、当模型具备更强推理和规划能力后，构建“前沿研究 - 工具平台 - 产业应用”的良性闭环。聚焦模型内部机理与数据来源 。该系统通过“大小模型协同、北京智源人工智能研究院宣布联合北京大学、可能出现表面遵循要求
、