研究表明，大型语言模型（LLMs）易被引导生成有害内容，因此需要改进安全策略。提出了一种强韧对齐语言模型（RA-LLM），能够有效抵御攻击，将成功率降至10％以下。通过理论分析和实验验证，RA-LLM在多个对齐问题上表现优异，为LLMs的安全性提供了新的视角。