基于 Anthropic《On the Biology of a Large Language Model》，梳理 CLT、归因图、未来 token 规划、未知实体、数学计算与虚假 CoT 等机制解释。

围绕大模型安全防御与越狱方法，梳理安全对齐、内容过滤、推理引导，以及提示词注入、混淆攻击、催眠和逻辑推理利用等攻击方式。