Redwood Research 发布模拟控制评估（SCE）论文

Redwood Research 发布关于模拟控制评估（SCE）的论文，该方法让攻击模型在真实代码库的对话记录基础上继续执行有害目标，但工具调用不实际执行，改由 LLM 模拟器生成工具输出、由 LLM 判官判断攻击是否成功。