ShallowDefend: Khai thác căn chỉnh an toàn nông cho bộ phòng thủ đa lượt

Căn chỉnh an toàn giúp các mô hình ngôn ngữ lớn từ chối trực tiếp những yêu cầu gây hại, nhưng cùng một yêu cầu được chia thành nhiều lượt hội thoại vẫn thường vượt qua cơ chế bảo vệ. Nghiên cứu cho rằng nguyên nhân cơ học là hành vi an toàn còn nông, tập trung trong một phần nhỏ của mô hình.