在 Arm64 Linux 上以用户态方式快速运行 x86 和 x86-64 程序，让 ARM 设备无需重编译就能直接跑 x86 应用。

开源的 LLM Agent 评测与测试库，能自动扫描模型和智能体的安全、公平性、幻觉等风险，帮团队在上线前发现并修复问题。

基于安全强化学习的人类反馈对齐框架，通过约束优化让大模型在有用性和安全性之间取得平衡，附带 Beaver 系列模型与数据集。

大模型安全、安保与隐私方向的论文阅读清单，汇总对抗攻击、越狱、隐私保护等研究，帮研究者快速定位 LLM 与多模态模型安全领域的核心文献。

收集大模型越狱攻击的前沿论文、代码、数据集与评测分析，帮安全研究者快速跟进 LLM 与多模态模型的攻防进展。

系统梳理大模型有害微调攻击的综述，汇总攻击与防御方法，帮安全研究者快速掌握微调带来的对齐失效风险。