写作
2025
Weak-to-Strong Exploitation: Weak LLMs Orchestrating Aligned Models Toward Harmful Goals
弱 LLM 作为恶意编排者：威胁模型、三类机制、因果评测与 RL 后续研究。
2024
Stable Signer: 平衡三方利益的图像溯源协议
一串消息如何改变生成模型的参数，让图像携带可提取的标识？更重要的是，谁决定如何嵌入、谁有权提取、谁负责判断？
弱 LLM 作为恶意编排者：威胁模型、三类机制、因果评测与 RL 后续研究。
一串消息如何改变生成模型的参数，让图像携带可提取的标识？更重要的是，谁决定如何嵌入、谁有权提取、谁负责判断？