研究

机器学习安全、模型行为与具有数学基础的 AI。

用于组织研究方向、论文级工作、方法论与技术性调查的总览页面。

主要视角

机器学习安全

聚焦攻击面、评估方式与可信部署问题。

方法

理论 + 实验

研究框架同时依赖系统推理、技术测试与结果分析。

范围

模型到基础设施

把模型行为与其所处系统环境一并纳入讨论。

研究框架

这里的研究并不只关心孤立攻击，而是关心模型结构、表示几何、部署假设与系统边界如何共同影响安全与隐私风险。

方法路径

目标是让研究既足够贴近现实部署，又足够精确，能够形成论文级贡献。

研究总览

研究方向主要围绕机器学习安全、模型行为，以及那些必须在真实约束下运行的 AI 系统所需要的数学化思考方式。

我希望研究既保持技术严谨，也保持现实相关性。这意味着选题不应把理论、系统设计与部署后果彼此割裂，而应让它们互相约束、互相启发。

这一部分后续将逐步扩展为双语研究页面，承载论文、技术调查、工作笔记，以及连接安全、基础设施与产品现实的问题意识。

代表线索

把 two-tower 成员推断工作作为一段从架构到结论的科学叙事来阅读。

查看基础设施思维与信任边界如何回到可部署 AI 的研究问题。