多轮攻击防御

最新研究显示DeepSeek-R1模型存在安全隐患。上海交大与上海AI Lab联合提出X-Boundary防御方案，通过分离安全和有害表征并定向消除有害表征来实现精准高效的安全加固，避免了过度安全导致的模型性能下降的问题。