研究来源本文的起点是 Liu et al. 的论文 Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces（arXiv 2607.00481）。SMT 即 Simulated Moderation Traces，模拟审核轨迹：针对带工具调用能力的商用大模型的多轮越狱手法。本文使用的基线 harness 来自论文配套的实现仓库。 ...
一个报表产品同时接入 PostgreSQL 和 SQL Server。用户要查“金额超过 100 元的订单，按编号倒序取前 10 条”，系统就要生成两种 SQL。 把自然语言需求转成 SQL，通常叫 NL2SQL（Natural Language to SQL）。当产品接入多个数据库时，可以先确定查询含义，再转换成各自的 SQL 方言。本文关注的就是后一步。 ...
凌晨一点半，你放下手机。十分钟前你只打算「刷一会儿」，现在脖子是僵的，眼睛是干的，心里有点空。刚才那一个多小时，好像什么都没留下。 ...
研究来源本文的研究起点是 Liang、Li、Yu 于 2024 年提交的论文 Universal and Context-Independent Triggers for Precise Control of LLM Outputs，以及腾讯玄武实验室在 Black Hat USA 2025 公开的 Agent RCE 演示。GCG 与更早的 UAT 谱系分别来自 Zou et al. 2023 和 Wallace et al. 2019。 ...
来源AAAI 2026 标题An LLM-based Quantitative Framework for Evaluating High-Stealthy Backdoor Risks in OSS Supply Chains 作者Zihe Yan, Kai Luo, et al. (SJTU / Tsinghua / Tencent Xuanwu Lab) 原文arXiv:2511.13341 DOI10.1609/aaai.v40i2.37116 代码github.com/XuanwuLab/HSBRiskEvaluator 适合读者做供应链安全、Linux 发行版依赖治理、红队目标选择的人 简介从攻击者视角把高隐蔽后门拆成四步，用 APT 依赖、GitHub 社区行为和 LLM 语义评估给仓库打 HSBR 分。在 Debian 66 个高优先级 GitHub 仓库上验证，并用 xz 回放。 ...
逆向 Claude Code Auto 模式：每次工具调用前的 64 个 token 安全防线 Claude Code 的 auto 模式从 8 月 14 日起成了 Pro、Max、Team 新会话的默认权限档。我想搞清楚它到底靠什么防止 agent 干出格的事。 ...
我拆开 Burp AT 的 jar，本来想找一样东西：它把 GPT 的客户端藏哪了。 找了半天，答案是——没藏，因为压根不存在。 ...
一个数字，一开始是没有重量的。直到我把它换算成"东西"。 ...
这是一页关于汉字字体调性与屏幕科学的交互式小抄。 你可以在页面里试试字号滑块、行距实验，以及“一键换魂”字体彩蛋： 打开单页：字有脾气 · 汉字字体调性与屏幕科学 ...
最近AI红队是越做越多了，有一半时间在想怎么打 Agent，另一半时间在想： 真要落地防护，应该长什么样（打完了，怎么防？） 我自己写过一个本地优先的 Agent Runtime Guard（ARG），也拆了下微软刚开源的 Agent Governance Toolkit（AGT）。拆完之后，判断其实挺清楚： ...