先给结论：安全基准若和通用能力、训练算力一起涨，它量的就不是单独的安全。大约一半被测过的安全榜，和上游能力分高度相关；能力分又和训练算力的对数相关到九成六。对齐、可扩展监督、真话、静态抗攻击、伦理知识，都会跟着规模走。偏见、动态抗攻击、校准误差相关更低。安全进步必须从规模里剥出来。剥不出来，涨分就是安全洗白：把变强写成变安全。

为什么「安全榜也在涨」会变成假进步

痛点是把任何带安全二字的分数都当控制效果。模型变大，更会考试，拒答话术更顺，静态攻击集被记住。分数涨了，像安全在做。其实量的是同一根能力尺子。尺子和算力绑死，再多一篇「我们在安全上取得突破」，都可能只是多烧了计算。

相关高低要按操作化来看，不能按标题。同一主题，换一种出题，相关可以掉下来。所以必须实测，不能靠直觉说「这题看起来很安全」。看起来很安全、算力一涨就满，正是洗白的材料。

洗白的危害是资源配置。钱和名额流向能涨分的方法，方法往往是继续做大。真正去相关的工作难涨、难看、难发，会被当成没进展。没进展的假象会让人觉得规模本身就是安全策略。

五步把安全测量从能力影子里拆出来

1. 每张安全榜先报与能力分、与算力对数的相关。相关高，榜只能当能力附录，不能当安全主证据。
2. 设计时故意去相关。固定能力、只变安全干预；或在能力相近的模型之间比安全。比不过，干预无效，不是「模型还不够强」。
3. 静态攻击集定期换。被记住的越狱模板会随预训练进模型，分数会假涨。动态、自适应攻击才更像现场。
4. 安全干预要报能力代价。能力不掉、安全分暴涨，先查是不是还在量能力。能力大掉、安全微涨，要写清值不值。
5. 发布材料禁止只用一张与算力同步的安全曲线。必须另附去相关后的对照。没有对照，曲线当宣传，不当门槛。

现场有三条。其一，安全洗白不是公关术语，是测量失败。烟草广告说医生更爱某个牌子，和「更大模型在安全榜更高」是同一结构：用声望指标代替目标指标。其二，去相关不是让安全榜永远难。难是为了不被能力带着走。走通了，才知道方法是不是在动安全。其三，动态抗攻击相关低，不代表已经安全。只代表这维还不等于做大。仍可能被下一轮自适应攻击打穿。低相关是入场券，不是毕业证。

度量五件事：与能力分相关、与算力相关、是否固定能力对照、攻击是否动态、发布是否单列同步曲线。五件说不清，安全榜是能力榜的马甲。马甲不能当发布门槛。

有人会说能力和安全本来就一起涨，拆开是假问题。一起涨可以是真的，但必须能指出「同样强的两个模型，谁更抗压、谁更不撒谎」。指不出，就还没有安全维。没有安全维，规模叙事会把所有预算吸走。

建设者该把去相关写进出题说明书。部署评测的人该拒收不报相关的安全成绩单。成绩单只写百分数、不写和能力的相关，百分数作废。

若只能改一处：先在每张安全榜旁边印上与能力分的相关系数。印出来，洗白会变难看。难看才会有人去做真正去相关的题。

相关高的榜仍可留作能力监控，只是标题要改。改成「安全相关的能力题」，读者才不会把规模当控制。标题不改，内部再诚实，对外仍是洗白。

动态攻击的预算要单列。静态集便宜，动态贵，贵才会被砍。砍了，相关又会升回去。升回去还报「安全在涨」，是用便宜尺子骗贵问题。贵问题要写进预算行，不写进愿望清单。愿望清单一砍，测量立刻回到能力影子。

同行评审也要问相关。方法论文只报安全涨、不报与能力相关，退回。退回几次，出题才会把去相关当第一页，而不是附录里的一句抱歉。第一页没有相关，这篇就不算安全论文，只算能力附录。

安全题还要防被反过来洗：故意把能力做差来刷「很安全」。所以要同时报能力下限。下限不够，安全分再高也不准入高风险岗位。两列都要，缺一列就缺一门。

结论：安全进步是剥掉规模之后还剩下的那截

跟着算力涨的安全榜，量的是变强。变强可以是副产品，不能当主证据。拆开测、动态打、固定能力对照，涨分才配写成更安全。

你下次看安全曲线，先问它和训练算力还绑不绑。还绑着，把曲线从门槛里拿掉。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源