研究者发布仅 46k 参数的提示注入防御模型

研究者 Alexander Panfilov 发布了一个仅 46k 参数的提示注入防御模型，采用基于 RL 和 Claudini 发现的攻击做攻击者后手（attacker-moves-second）评估，作者称 Claudini 适合用作自适应攻击评测。