第二届全国智能算法对抗挑战赛（防御组）

解决什么问题

2025 年，第二届全国智能算法对抗挑战赛。我在防御组：对手是主办方准备的攻击，目标是在官方攻击测试平台上守住安全约束——该拦的攻击要拦住，同时不能过度拒答、把正常问题也挡掉。

我做了什么

两人参赛，我是队长，模型训练全部由我完成。最终基模是 Qwen2.5-7B-Instruct。为了让模型见过足够多的攻击形态，我自建了超过十万条的训练与测试集，覆盖不同的攻击类别与变体，再在官方平台上反复评测、按错例补数据迭代。目录里留下 257 个文件、7,311 行 Python。

结果

官方攻击测试平台上，平均防御分 95；入围决赛的分是 92，全场前六。第二轮测试分数偏低，错失冠军角逐。最终总排名第 13，共 70 支队伍，获优胜奖。比赛结束后这套东西停在 2025 年 12 月，没有再改。后来的越狱防御论文与 Agent 安全选题，起点都在先学会怎么攻打、才知道防什么。

没做到的，和这一页不写的

第二轮分数掉下来，说明防御对某些攻击变体还不够稳，这是这次没走到最后的原因。测试集含攻击样本，不公开；档案里也只留了代码与测试集，没有主办方的逐项成绩记录，分数用的是赛后记下的口径。