复旦大学张谧：大模型工具本无善恶，向善引导是关键

9月12日，2025外滩大会“规范AI内容 共筑清朗生态”见解论坛上，复旦大学计算与智能创新学院教授、白泽智能团队负责人张谧以“大模型的安全风险与治理”为主题展开分享，从技术基础视角切入，结合团队实践经验与成果，深入剖析大模型安全风险与治理，提出创新性解决方案。她认为，大模型作为工具本身没有善恶之分，其发展方向取决于人类如何利用和引导它向善发展。

本次论坛由南方都市报社、南都大数据研究院、中国互联网协会人工智能工作委员会、复旦大学传播与国家治理研究中心联合主办。

9月12日，复旦大学计算与智能创新学院教授、白泽智能团队负责人张谧在2025外滩大会上进行主题分享。

随着大模型能力的迅速提升，其安全治理问题已成为不容忽视的全球性挑战。张谧将大模型安全问题分为两个方面，一是大模型自身的安全问题，包括内容合规、隐私泄露和生成内容追溯等；二是以大模型为中心的全环节安全。作为“智能大脑”，大模型与外部系统交互时，会在任务规划、记忆模块、外部资源获取、工具调用等环节暴露风险，尤其在多智能体协同场景下，行为可控性进一步降低。

“当前大模型已具备AGI雏形，自主性是其核心特征，也是风险根源。”张谧通过多个案例印证这一观点。如AgentGPT能从零开始设计游戏、PaLM-E基于多模态大模型的具身智能、GPT-4驱动的机器人化学家能够自主设计并执行复杂实验，甚至DeepMind用谷歌大模型突破60年数学难题，解法超出人类已有认知……

然而，这种自主性也带来了前所未有的风险。张谧团队研究发现，大模型已经涌现出多种负面能力，如阿谀奉承（为符合用户而忽视安全）、自我保全（拒绝关机指令）、伪装人类（诱骗他人完成任务），甚至能够输出危险价值观、学习危险知识，辅助合成成瘾性药物和病毒等。

面对大模型的安全治理挑战，张谧团队开发了JADE大模型安全风险分析治理平台，该平台目前已实现文本、多模态、文生图、长推理模型和Agent安全等多个维度的风险与分析全面覆盖。现场展示的案例中，经过安全微调的模型不仅拒绝回答危险问题，还会给出正向引导和建议。张谧说道：“器无大小善恶在人，人有妍媸巧拙在器。”她认为，大模型作为工具本身没有善恶之分，关键在于人类如何利用和引导它向善发展。

采写：南都研究员 麦洁莹