LiteLLM 1.82.7/1.82.8 供应链投毒事件深度研究报告
复盘 LiteLLM 恶意 PyPI 发版事件，梳理时间线、注入方式、传播链路、风险评估与应急建议。
文章列表
全部文章
支持按专题与标签筛选，并切换最新或推荐排序。
智能体安全分类分级研究报告（模安局，2026.3）
从"它能做什么、能接触什么、能持续多久"出发，提出两层分类框架与0–100安全风险评分模型，覆盖内容创作型、检索问答型、编程执行型、自主工作台型等六类智能体形态，并给出 AISearch、Manus、Cursor、Claude Code、OpenClaw 示例评分与差异化治理建议。
中国大模型输出内容的法律法规体系
从基础法律到生成式AI专项规章，系统梳理中国大模型内容安全的五层法律框架：网络安全法、数据安全法、算法监管规定、生成式AI暂行办法及技术标准，厘清平台主体责任与合规路径。
AI 标准的五层评估框架（NIST，2026.1）
NIST 用 Theory of Change 构建五层因果链，评估 AI 标准从投入、制定过程到采用与长期治理目标的真实影响。
全球AI治理的政治制度基础、治理逻辑、立法结构和治理工具
梳理全球AI治理的三条主路径，比较不同政治制度下的治理逻辑、立法结构与工具组合，并聚焦生成式AI、深度合成与算法透明度的差异化监管。
企业选型大模型护栏的6大关键指标
企业在选型大模型护栏时，真正需要评估的不是“有没有某个能力”，而是能不能防、拦得准不准、扛不扛流量、能不能长期稳定运营。