这周把之前的一些图神经网络的论文看完了，作为之后继续使用机器学习和深度学习进行漏洞挖掘的基础。针对大型语言模型（LLM）在漏洞挖掘中的应用场景，当前阶段采用Prompt Engineering与检索增强生成（Retrieval-Augmented Generation, RAG）技术更具可行性。需说明的是，受限于实验环境算力资源及训练数据规模，暂时不具备对大型语言模型进行微调（Fine-tunin

随着时间的推移，技术本身变得过时，难以适应新需求，亟需更新换代；网络体系结构是指导网络建设的准则，面对纷繁芜杂的需求，这套准则也必定是抽象和复杂的，总结网络体系结构中“根本性原则”，可以简化体系结构准则之间的关系，更利于设计者抓住网络体系结构的本质.网络体系结构设计涉及技术领域和非技术领域，在相关领域听取专家意见，检验和完善网络体系结构的方案，尽可能的使设计满足需求.网络体系结构最终的结果是网络构

（抽象控制流图），其中每个节点表示一个代码块，每个边表示控制流经过的条件和可能的路径。的过程是一个复杂的过程，需要对源代码进行多次分析和转换，以确保提取出的。会对语法树进行遍历，提取出函数、变量、控制语句等信息，并构建。进行数据流分析，确定每个变量在程序执行过程中的值和使用情况。（控制流图），表示程序中各个控制语句之间的依赖关系。会对给定的源代码进行语法分析，生成语法树。能够准确地反映出程序的控制

注意，模板中，需要替换为以上参数的地方，应使用 { } 包裹起来，里面填上需要使用的参数名。如在上述给出的示例中，如果模板如下：“请翻译{texts}为{to}语言”将最终被转化为如下prompt并请求大模型: “请翻译他们发明了一种方法为ru语言”。"to" : "ru",// 翻译结果的语种，即将texts翻译为哪种语言， ru表俄语。"from": "zh",// 被翻译的语种，即texts

作为一个新兴的行业，人工智能的发展离不开各位的支持和关注。我们相信，在未来的日子里，人工智能将会在各个领域发挥出更加重要的作用，为人类带来更多的便利和创新。同时，我们也期待着更多的人才加入到这个行业中来，共同推动人工智能的发展，让AI成为人类社会进步的重要力量。我选择的赛道是人工智能，除了与专业相关以外，还有一个原因：首先大家可以看一下这张图片，这是我与。兴学科，研究、开发用于模拟、延伸和扩展人的

因此，在下周的工作计划中，我将继续努力挖掘数据集，同时，将开始着手设计LLM生成对抗数据的研究方案，探索如何利用LLM的强大生成能力，构建出高质量的对抗数据，以进一步提升模型的鲁棒性和泛化能力。我相信，在导师的指导和团队的共同努力下，我一定能够克服重重困难，取得更加丰硕的研究成果。在上周的学习与研究进程中，我通过与导师的深入交流以及在学术组会上的细致汇报，对目前所承担的研究课题有了更为深刻而全面的

在本周期内，我顺利完成了关于大型语言模型（LLM）的相关实验。在实验过程中，我严格按照既定的实验方案进行操作，并密切关注实验数据的动态变化。通过对实验数据的细致记录与分析，为后续的研究工作奠定了坚实的基础。在实验取得阶段性成果的基础上，我已经着手开展论文的书写工作。在论文的撰写过程中，我严格按照学术论文的规范和要求进行，注重论文的逻辑性和条理性。为了确保论文的质量和水平，我在撰写过程中不断查阅相关

AI“复活”技术的全球治理呈现“法律滞后于技术”的特征，各国在平衡创新与伦理时路径迥异：中国侧重分类监管，欧盟强调数据主权，美国依赖州级立法，韩国聚焦殡葬服务，日本探索数字遗产。未来，唯有通过“法律规范+技术透明+社会共识”的三重约束，才能让这项技术真正成为“科技时代的情感摆渡人”，而非消解生命本质的异化力量。欧盟《人工智能法案》（2023年通过）将AI“复活”技术列为“高风险”类别，要求企业公开

这是整个研究任务的基础，因为理解并掌握LLM所依托的基础设施的攻击手段，是后续深入研究LLM模型自身攻击技术的前提。实验设计与实施：设计并实施一系列针对LLM的攻击实验，包括但不限于基础设施攻击、模型攻击和prompt攻击等，通过实际测试验证攻击技术的有效性和可行性。通过研究新的prompt范式对LLM模型输出的影响，揭示了LLM模型在道德和伦理使用方面可能存在的问题，为未来的LLM模型研究和应用

不知不觉就又过去了一年，这一年坚持住了每天两篇博客的分享，算是一个小小的成就。今年也是LLM持续勃发的一年，回顾博客，很多内容都是和LLM相关，论文阅读兴趣也持续在LLM上。坚持已经逐渐形成一种习惯，请继续坚持下去吧！个人工作上，主要集中在LLM漏洞检测领域，以及一些LLM安全和智能体开发，接下来做个小小回顾+总结。随着物联网（Internet of Things，IoT）的日益发展，物联网设备已