Mohammad Raouf Abedini

安全研究员，专注于测量和遏制前沿人工智能的网络能力，现可搬迁。相关工作公开、经过签名且可复现：一个开源的遏制证明框架、五篇带 DOI 存档的 Zenodo 预印本（已在 ORCID 下编入索引），以及在 Anthropic 安全评估项目内的评估工作。

Project Simurgh 的创建者——一个与提供方无关的遏制证明框架，在对抗性的、不诚实生产者威胁模型下对大语言模型代理进行红队测试，并生成经 Ed25519 签名、可离线验证的证据，记录代理在护栏失效后的行为：针对真实的 Llama Guard 4 遏制了 138/138 个分类器漏检的案例，在 AgentDojo 上将实时代理的攻击成功率从 9/140 降至 0/140，以及五个经机器验证的 Lean 定理。AGPL-3.0，3,057 项测试。

同时也是《The Invisible Window》的主要作者（100% 跨平台屏幕捕获规避，已依据 OWASP/FIRST/CISA 指南负责任地披露）以及《Aion-BibleQA》（面向检索增强大语言模型的引用忠实度基准：R@5 为 0.941，零无依据引用）的作者。在 Anthropic 的安全评估项目中（通过 Alignerr，2026 年）评估了 Claude 输出的可利用代码与护栏绕过情况。一家孵化器支持的校园人工智能初创公司的联合创始人。致力于通过测量能力提升、界定安全边界以及交付防御性工具来降低高级人工智能带来的灾难性风险。