该文综述大语言模型安全研究，涵盖知识消毒、擦除检查、多语言自卫等防御方法以减少隐私泄漏与有害输出；安全微调可提升安全性，但过度调优会导致过度防御和拒绝合理请求；同时揭示隐性毒性攻击风险及检测增强手段。