专题演讲嘉宾：王庆龙 博士

大模型的生成能力在拓展应用边界的同时，也引入了复杂多变的内容安全风险。传统防控手段因缺乏对风险本质的精准认知，难以构建动态有效的治理体系。本次演讲将提出 “评测驱动防护”的闭环技术框架：首先通过系统性评测解构风险分布与演化规律，突破隐性风险挖掘与评测准度瓶颈；其次基于风险画像构建可信防护机制，破解治理泛化性困境。我将从技术原理层面剖析评测与防护的关键路径，并探讨理论突破与工程落地的衔接挑战，为构建可信任的大模型内容安全治理范式提供学术支撑。

演讲提纲

1. 大模型内容安全风险图景与核心挑战

• 大模型时代内容安全风险现状
• 多维度风险场景的典型问题分析
• 传统防控技术的底层局限

2. 大模型内容安全治理挑战

• 评测维度与可靠性瓶颈
• 隐性风险的挖掘障碍
• 治理体系的泛化性困境

3. 大模型内容安全治理技术

• 大模型内容安全评测（主要讲大模型测试数据构建、大模型测试方法）
• 大模型内容安全防护（主要讲大模型内容审查逻辑控制、大模型用户隐私防护）

4. 总结与技术展望

• 评测驱动防护的范式优势
• 理论研究与工程实现的衔接点
• 当前技术局限与发展方向

您认为，这样的技术在实践过程中有哪些痛点？

• 安全评测样本的分布完备性不足挑战，以及防护模型的泛化与可信能力边界受限挑战

演讲亮点

• 深入剖析风险评测方法与可信防护策略的关键路径

听众收益

• 了解大模型内容安全的核心挑战与治理逻辑
• 了解精准评测与可信防护的技术关联性
• 了解大模型内容安全评测与防护技术的关键进展、可行路径与现存痛点