最近，《模安局》连续发布了两篇由论文作者主动推荐的研究解读文章。回顾过去一年，我们也陆续收到来自高校、科研机构和行业研究者的论文推荐。

当安全护栏也成为一种 Skill：Agent 运行时防御与安全策略自进化

AI 黑客攻破系统后，还能长期潜伏吗？203 项任务揭示持久化能力边界

这是一件令人欣喜的事情。

一直以来，《模安局》主要通过主动检索、阅读和筛选全球 AI 安全领域的前沿研究，再将其中值得关注的成果整理成面向中文读者的解读文章。而现在，越来越多的研究者开始主动向我们分享自己的工作，希望让研究成果得到更多关注。

这也让我们开始思考，除了持续跟踪和解读前沿研究，《模安局》是否还可以为 AI 安全研究者提供一个更加开放的成果展示与传播渠道？同时，让更多关注 AI 安全的读者参与进来，一起发现那些值得关注、却尚未得到充分传播的研究成果。

基于这样的想法，我们决定正式推出 「模安局·共研计划」，长期面向 AI 安全领域的研究者及广大读者开放论文推荐通道。

我们希望通过这项计划，让更多有价值的研究被发现、被理解，也被更多同行看见。

01 为什么发起共研计划？

AI 安全是一个发展迅速、研究方向高度交叉的领域。

从早期的模型安全对齐、对抗攻击与防御，到如今的大模型护栏、提示注入、Agent 安全、自动化红队测试，以及日益复杂的 AI 安全评测与治理机制，新的研究问题不断出现，相关成果的数量也在持续增长。

但学术成果的产生与传播之间，仍然存在一定的距离。

一篇论文可能提出了很有价值的新方法，揭示了一个此前未被充分关注的安全问题，或者通过实验纠正了某些被广泛接受的技术认识。然而，受限于学术论文的专业表达、传播渠道以及不同领域之间的信息壁垒，这些成果未必能够及时触达真正需要它们的人。

尤其是在 AI 安全领域，很多研究成果同时具有学术价值和工程价值。一项关于模型安全机制的研究，可能为安全产品提供新的设计思路；一项关于 Agent 攻击的实验，也可能帮助企业提前发现系统中的潜在风险。

让这些研究被更多人理解，有时与研究本身同样重要。

过去，《模安局》主要依靠自主选题发现这些成果。随着越来越多论文作者主动向我们分享研究，我们也逐渐意识到，研究者本身就是发现前沿问题、连接不同研究方向的重要力量。

与此同时，《模安局》的读者中也有许多长期关注 AI 安全的研究人员、工程师和技术爱好者。大家在日常工作和学习中接触到的研究成果，可能来自不同的学术领域和技术方向，其中不乏我们尚未关注到的优秀工作。

因此，我们希望建立一个长期开放的研究成果推荐机制，让研究者能够主动分享自己的工作，也让更多读者参与到优秀研究的发现与传播之中。

02 我们希望关注哪些研究？

「模安局·共研计划」主要面向已经公开的 AI 安全相关研究论文，尤其欢迎以下几个方向的成果。

模型安全与对齐： 大模型安全对齐、越狱攻击与防御、拒答机制、安全训练、模型行为分析及可解释性研究等。

Agent 与应用安全： Agent 安全、提示注入、工具调用安全、RAG 安全、多智能体系统安全、身份与权限管理等。

安全评测与攻防技术： 大模型安全评测、红队测试、自动化攻击、安全基准、护栏模型、检测与防御机制等。

AI 安全治理与新兴风险： AI 风险管理、安全框架、隐私保护、前沿模型风险、AI 系统可信性，以及值得关注的新型安全问题。

当然，这些方向并不是严格的边界。只要研究与 AI 安全具有实质性关联，并提出了值得关注的新问题、新方法或新发现，我们都愿意了解。

我们不会单纯以论文发表会议、作者所属机构或研究团队的知名度作为选题依据，而是更加关注研究本身的价值：它是否提出了有意义的问题，是否具有可靠的研究方法，是否能够帮助我们进一步理解 AI 安全。

「共研计划」面向所有关注 AI 安全的读者开放。我们尤其欢迎论文作者、研究团队主动分享自己的最新成果，也欢迎科研人员、工程师和技术爱好者推荐其他值得关注的优秀研究。

无论是来自知名实验室的研究成果，还是年轻研究者的独立探索，都有机会通过这一计划被更多人了解。

03 推荐一篇论文，只需要一个 arXiv 链接

我们希望尽可能降低参与「共研计划」的门槛，让研究者将更多精力放在研究本身，也让普通读者能够轻松参与。

因此，参与共研计划不需要专门撰写公众号文章，也不需要按照特定模板整理投稿材料。

如果你已经完成一项与 AI 安全相关的研究，并将论文公开发布在 arXiv 上，只需要将论文链接发送给我们即可。

如果你在阅读过程中发现了一篇值得分享的 AI 安全论文，即使并非论文作者，同样欢迎推荐。如果愿意，也可以附上一两句话，介绍你认为这项研究最有价值的地方。

收到论文推荐后，《模安局》将按照现有的选题标准，独立完成论文阅读、研究价值判断、内容整理和文章撰写。

我们会尽可能使用通俗易懂的表达解释研究问题，同时保留必要的技术细节、实验数据及方法分析，让不同背景的读者都能够理解研究的主要贡献。

通过「共研计划」推荐并最终发布的论文，将继续收录于《模安局》现有的「AI 安全前沿」合集，与日常自主选题的论文解读采用相同的内容标准。

「共研计划」并不是一个新的内容合集，而是一项长期开放的研究成果推荐机制。 我们希望借此发现更多值得关注的一线成果，而不是另起一套内容体系。

需要说明的是，共研计划并非学术期刊或论文同行评审机制。我们会根据研究价值、内容质量与选题安排，自主决定是否解读和发布，不保证每篇推荐论文都能获得单独报道。

04 让研究成果与研究者一起被看见

我们认为，一篇好的研究解读，不仅应该介绍研究结论，也应该让读者知道这些成果来自哪里，以及是谁完成了这些工作。

对于通过「共研计划」推荐并最终发布的研究，《模安局》将继续沿用现有的论文展示方式，通过原始论文信息截图及 arXiv 链接呈现研究来源，方便读者了解论文作者、所属研究机构，并进一步阅读原始论文。

文章中的技术解读、分析和延伸观点由《模安局》独立完成，不代表原论文作者的观点或立场。

我们希望通过这样的方式，在尊重原创研究的基础上，让更多有价值的成果得到关注，也让读者能够进一步发现相关领域的研究者和研究团队。

未来，随着参与的研究者和推荐作品逐渐增多，我们也希望能够进一步整理这些研究成果，探索建立长期的作品展示与检索入口，让有价值的研究能够持续被阅读、讨论和引用。

相比于短暂的内容曝光，我们更看重研究成果能否真正触达对其感兴趣的人，并为后续的技术探索和实际应用带来启发。

对《模安局》而言，共研计划也意味着一种新的可能：在原有的研究筛选和解读基础上，逐步建立与一线研究者及专业读者之间更加直接的信息连接，从而发现更多值得关注、但可能尚未获得广泛传播的研究成果。

05 欢迎加入模安局·共研计划

「模安局·共研计划」即日起长期开放。

如果你正在从事 AI 安全相关研究，刚刚公开了一篇论文，或者在阅读过程中发现了值得分享的优秀成果，都欢迎向我们推荐。

参与方式非常简单：

通过《模安局》公众号后台发送「共研计划」及 arXiv 论文链接即可。

无需准备完整文章，也不需要额外制作宣传材料。我们将根据研究价值和选题安排，自主筛选、解读并发布相关成果。

我们也欢迎读者将这一计划分享给身边从事 AI 安全研究的朋友和团队，让更多有价值的研究进入我们的视野。

最后，感谢过去一年主动向《模安局》分享研究成果的各位作者，也感谢每一位长期关注、阅读和传播我们文章的读者。

《模安局》最初只是一个持续记录和解读 AI 安全研究的窗口。随着越来越多同行的参与，我们希望它能够逐渐成为一个连接前沿研究与实际应用、连接研究者与专业读者的开放交流渠道。

让研究者专注研究，让好研究被更多人看见。

这就是「模安局·共研计划」的初衷。