<span style='color:blue'>오이스터-II: 대규모 언어 모델의 안전한 동맹 강화</span>

대규모 언어 모델(LLM)은 다양한 응용 분야에서 놀라운 능력을 демон스트레이션했지만, 동시에 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장하는 것은 지속적인 문제입니다. 오이스터-I의 안전한 동맹 패러다임을 개선한 오이스터-II는 RL-Based Constructive Safety Alignment Framework를 제안하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장합니다.

오이스터-II의 주요한 특징은 Zero-RL paradigm를 사용하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장하는 것입니다. 또한, 오이스터-II는 multi-stage reinforcement learning strategy를 사용하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장합니다.

오이스터-II의 성능은 Qwen3-14B와 오이스터-I에 비해 안전성 측면에서 월등히 뛰어나고, Qwen3-Max와 Qwen3.5-397B의 성능과 비슷한 크로스 스케일 퍼포먼스를 달성했습니다.

오이스터-II의 주요한 결과는 다음과 같습니다.

• 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장하는 RL-Based Constructive Safety Alignment Framework를 제안했습니다.
• Zero-RL paradigm를 사용하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장했습니다.
• multi-stage reinforcement learning strategy를 사용하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장했습니다.
• Qwen3-14B와 오이스터-I에 비해 안전성 측면에서 월등히 뛰어났습니다.
• Qwen3-Max와 Qwen3.5-397B의 성능과 비슷한 크로스 스케일 퍼포먼스를 달성했습니다.