# Iris安全评估

Reflection发布首个开放权重模型Beam，并公开其安全训练方法与评测工具。此前公开安全评测覆盖不足，难以检验模型在对抗与工具调用场景下是否守住安全边界。Beam把预训练数据过滤与专门的安全对齐训练结合，用多教师在线策略蒸馏把能力教师与安全教师合并。在Iris安全评测的1500段人工撰写对话上，Beam拒答89%的有害请求，同时合规回答82%与安全相关的无害请求。

Reflection发布首个开放权重模型Beam，并公开其安全训练方法与评测工具。此前公开安全评测覆盖不足，难以检验模型在对抗与工具调用场景下是否守住安全边界。Beam把预训练数据过滤与专门的安全对齐训练结合，用多教师在线策略蒸馏把能力教师与安全教师合并。在Iris安全评测的1500段人工撰写对话上，Beam拒答89%的有害请求，同时合规回答82%与安全相关的无害请求。