国际AI安全报告（2025）

「国际AI安全报告（2025）」要处理的问题很直接：当大模型的能力边界不断外扩、推理能力成为新的关注点时，AI 安全的风险图景、评估手段和治理选项究竟处在什么状态。这份报告由 Yoshua Bengio 等署名发布，时间在 2025 年初。之所以现在仍值得翻看，是因为这个领域的讨论密度极高，而一份带有综述性质、面向安全议题整体梳理的公开文档，往往比零散的单点论文更适合用来校准自己的判断坐标。换句话说，它的价值不在于提供某个惊悚结论，而在于把“安全”这个被反复引用却常常含义模糊的词，拆成可以逐项讨论的议题。

从给定材料能确认的范围看，这份资料归属在大模型、推理、安全这三个相互关联的方向上，三者并列本身就说明它不打算只谈对齐或只谈滥用，而是把能力进展与风险讨论放在同一条线上处理。它以 arXiv 公开论文的形式发布，全文 PDF 可以免费下载，这意味着读者不必绕过任何门槛就能核对原始表述，而不是依赖二手转述。至于它具体采用了什么分析方法、引用了哪些数据来源、覆盖了哪些子领域，材料本身没有交代，这些需要打开原文自行确认。我的建议是，读到方法部分时留意它区分了“已有证据支持的判断”和“基于推测的风险情景”，这两类内容在安全讨论中经常被混为一谈。

关于关键发现与具体数字，需要说明的是，给定的材料只提供了书目层面的信息，没有给出任何一条结论、任何一个数字，因此这里不做转述，也不做估算。任何声称“报告指出某某比例”的说法，在未核对原文之前都不应采信，包括看起来合理的那些。可以负责任地讲的是：材料明确提示“具体结论以原文为准”，这本身就是一条使用说明——这份资料的权威性来自原文的论证，而不来自它被引用的次数。

如果一定要从方向标签上做一点解读，那么“大模型/推理/安全”的组合暗示了报告至少要回应一类现实张力：推理能力的提升会让模型在复杂任务上表现更好，但同时也会让“模型在做什么、为什么这么做”变得更难被外部观察者追踪，而可观测性恰恰是多数安全评估的前提。这是我的推断，不是材料中的表述。同理，报告若要在安全议题上给出可操作的判断，就不可避免要触及评估基准的选择问题——用什么任务、什么指标来衡量“安全”，本身就带有价值取舍。读者不妨带着这两个问题去读原文，看它是否正面处理了它们。

这些内容对实践的意义，可以分两层看。一层是认知上的：把安全当成一个需要具体界定的技术议题，而不是一个态度表态，这会直接影响团队在评审模型发布、设计红队测试、撰写风险说明时的具体动作。另一层是引用上的：一份由知名研究者署名、公开发布的综述性文档，常被用作内部讨论的共同参考文献，用来对齐不同背景成员对“风险”一词的理解。但这也意味着，引用时必须回到原文的具体段落，而不是停在标题给人的印象上。解读一句：标题里的“国际”与“2025”会让人预期一个覆盖面很广的共识文件，而实际内容是否支撑这种预期，只能由原文回答。

适合读这份资料的人，大致是正在做大模型相关工作、需要把安全议题纳入工程流程的研究者与工程师，以及要为此类工作撰写解读或做领域盘点的内容作者。读完能拿走的东西，主要是两样：一个相对完整的议题框架，以及一批可以顺着往下查的原始线索。边界也需要讲清楚：给定材料只到书目信息这一层，没有摘要、没有结论、没有数据，因此任何具体的论断都必须以原文为准；同时，这份报告发布于 2025 年初，此后领域内的进展会不断出现，读的时候有必要留意它讨论的时间范围截止在哪里。把它当作入口而不是结论，是更稳妥的用法。