ReSI：递归安全改进与能力保留

基于摘要分析。研究针对模型持续更新及红队攻击不断演化时，安全对齐如何适应新检查点、修复已知漏洞并泛化至尚未暴露风险的问题，提出通过自动化研究运行的递归安全改进框架 ReSI。其核心贡献是将漏洞发现、训练配方开发和更新筛选组织为多轮循环，而非仅进行一次性安全对齐。 机制上，每轮 ReSI 使用多种红队方法识别当前目标模型的漏洞，开发训练配方，并在通过能力保留 Pareto 门控的候选更新中，选择安全收益最大的更新作为下一轮目标模型。摘要沿用 R²AI 的概念，将对已知威胁的抵抗能力称为 resistance，将对未预见风险的应对能力称为 resilience。具体训练目标、配方搜索方式、门控阈值与迭代停止条件尚未验证。 作者报告，在四个稠密模型与 mixture-of-experts 模型组成的评估范围内，ReSI 在分布内和分布外安全基准上达到或超过受评估的前沿模型，在几乎全部安全评估上优于对齐基线，同时大体保留通用能力。作者报告，四个模型的平均 X-Teaming 攻击成功率从 86.01% 降至 31.45%，低于摘要所列 GPT-5.6-Luna 的 56.69%；作者将该结果解释为对训练期间未见攻击具有更强韧性。这里的指标是攻击成功率，不能替代通用能力或其他安全指标；模型身份、攻击预算、训练与评估攻击的隔离方式、平均值计算及对照条件仍需正文核对。 复现重点是红队方法及其覆盖范围、候选配方生成过程、每轮训练与评估成本，以及 Pareto 门控如何防止以能力退化换取安全收益。实验协议、消融及统计信息尚未验证，代码与复现资源亦未由所给材料确认。该研究直接面向 AI 安全对齐，摘要未提供 EEG/BCI 任务证据，不应将其结果解释为神经信号建模性能改进。