LLM安全再迎突破！TRIDENT三维红队框架，终结AI“越狱”漏洞

深入解读ACL 2025论文TRIDENT，首创词汇-意图-策略三维多样化红队数据合成框架，显著提升大模型安全性和鲁棒性，是AI安全领域的重大进展。

AI说服术揭秘：Claude也难挡的攻心计与防御之道 | Claude官网

Anthropic报告揭示AI计算说服的强大能力与风险。解读AI作为说服者、被说服者和裁判员的三重角色，探讨Claude等大模型的脆弱性及对抗性防御框架。