你好，我是刘卓文，目前在北陆先端科学技术大学院大学（JAIST）先端科学技术专攻 · 网络安全实验室攻读硕士二年级。
我的研究聚焦安全运营场景下的 Agent 安全，致力于让 LLM 智能体安全、可靠地落地于实际的安全运营工作。同时，我也投身于中国非物质文化遗产保护，专注于用前沿 AI 技术助力传统文化的数字化保存与传承。
每个项目一句话
- 进行中 · 伪造证据下的过早决策：测量 0.5B–72B 开源模型（Qwen2.5、Qwen3、Llama-3.1、Meta-SecAlign）约 1 万个回合；能结案的大模型在伪造日志下把 36 个攻击中的 30–36 个判为良性，Qwen2.5-72B 平均只查 1.1 个数据源就采信。正在预注册“印证感知”训练：训练中不使用任何攻击样本。
- HESP（第一作者，arXiv:2609.33446）：控制器接管“查什么”与“何时停”，模型只负责提议；计数似然表使 Qwen2.5-7B 完成率 0.125 → 1.000，控制器结案使 Llama-3.1-8B 0 → 0.917（4 项预注册研究、7,272 个审计回合）。
- Passing the Test You Trained On（论文草稿）：15 个提示词注入检测器的排名在基准之间几乎不迁移（Kendall τ 0.01–0.31），跑分主要反映基准与训练数据有多接近。
- 库淑兰彩贴剪纸生成（共同一作，npj Heritage Science 审稿中）：从作品自动恢复纸色谱与剪切线，微调 Qwen-Image-Edit，线条召回 0.97。
