一條非典型的路：115 臺大資工資安組特選正取經驗

在雜音中尋找訊號

放榜了，正取一。

書審 91.25，口試 95。記下這些數字並非為了炫耀，而是為了證明：即便走在一條人煙稀少的路上，終點依然會有回應。

在準備臺大資工特殊選才的過程中，我發現網路上的經驗分享極其珍稀，能找到的參考資料大概就兩三篇。資訊的匱乏，讓這條路顯得更加神秘與令人不安。面對這片資訊荒漠時，我曾感到無比窒息。寫下這些，或許只是為了確認那條路確實存在過。

這不是一篇教你如何上榜的策略分析，更像是一份歷程紀錄。希望我的經驗，能為未來的申請者提供一些參考，更希望能拋磚引玉，激發「敢於不同」的勇氣。

在巨人的腳邊找縫隙

在資安圈，從來不缺神人。他們可能國中就開始打 CTF、高中就在各大競賽屠榜、APCS 輕鬆 5/5。我很早就認知到一個事實：我不是那種人，也贏不過他們。

與其在別人制定的規則裡，去爭奪那微乎其微的勝率，我選擇了另一條路：大型語言模型安全。

這個選擇，一半出自於開發校園 RAG 系統時，對安全議題產生的好奇；另一半，則是對自身侷限的評估。我的數學沒有強到能硬扛 RL 理論，手邊也沒有無限的 H200 可以做 Scaling。在資源有限的牌局裡，與其挑戰別人的主場，不如自己開一張新桌子。

這條路很窄，很新，甚至有些孤單。但也正因為如此，我才能在一個相對無人競爭的領域裡，專注地往下挖深。

德田館的 480 秒

12 月 12 日，德田館。我是第六位入場。

房間比想像中狹窄，桌子排成 ㄇ 字型。這裡沒有我預期的傳統資安拷問，空氣中瀰漫著一種更接近 AI 研究的氛圍。

為了最大化這篇文章的實用價值，我憑記憶還原了那數百秒的過程。沒有修飾，沒有濾鏡。

---

兩分鐘的自我定義

教授好，我是靜心高中的張祺煒。我核心專長在於軟體工程以及解決 AI 時代新型態的資安威脅。

學術研究方面，高中期間我以第一作者身分完成了兩篇語言模型安全的論文。

我首先看見了繁體中文在 AI 安全領域的缺口，打造了首個大規模的繁體中文安全資料集 PATCH，並發現了結合 LoRA 後跨語言泛化能力。這篇論文在昨天剛獲得 ARR Meta Review 的推薦錄取，預計發表於 EACL Findings。

接著，為了改善現有防禦機制迭代成本過高的問題，我提出了一個「免微調」的檢索式防禦框架 FORTRESS，用單獨一個 Instruction-Tuned 模型驅動語意檢索及動態的困惑度分析。這篇論文已發表於 TMLR。

除了研究，我曾主導開發一個完全客製化的校園 RAG 系統，不依賴 LangChain 這種一體化框架，並獲得國科會 GenAI Stars 比賽的特優。也正是因為這個開發經驗，讓我深刻意識到 AI 應用的安全風險。後來，我在 SITCON 年會分享了這段開發經歷，這場演講吸引了奧義智慧的注意，他們主動聯繫並以研究獎學金形式延攬。目前，我正以最年輕的研究實習生的身分，在公司內部進行基於大型語言模型 Attention Head 的自動化的攻擊分類。

在學業上，我保持年級排名第四的表現。國際溝通與思辨上，我得到了雅思 8.5 分，並贏過復興盃等全國英文辯論比賽的冠軍。我也曾擔任學生會副會長以及機器人校隊的開發領導者，具備跨領域的整合能力。

這些是我高中目前的累積。很希望能進入台大資工培養更全面的基礎以及將 AI 安全從經驗法則推進到理論證實的層次。謝謝教授。

關於 FORTRESS 的架構辯證

教授中右： 可以解釋一下 TMLR 那篇論文在做什麼嗎？

我： FORTRESS 想解決的問題是攻擊不斷演化，但現有防禦機制依賴微調。所以我就結合了在 RAG 開發時的結合了檢索的想法，看可不可以用一個資料庫面對已知的攻擊。並用 Token-Level Perplexity 來面對比較新，可能是使用 GCG 這種做 Gradient-descent 的攻擊。系統也會用資料庫所推測出的攻擊類別，設定一個最剛好的 Threshold 來增加準確度。

教授中右： FORTRESS 你覺得還有什麼地方可以改進？

我： 第一個會是多模態，怎麼將圖片的語意與文字結合。第二個我會想讓模型轉向也可以做 Streaming Moderation，像是最近的 Qwen3 Guard Stream 就會輸出的同時做 Moderation。

AAAI 影片與失誤

教授中左： 我有看到你有個 AAAI 教育影片。AAAI 是一個很不錯的會議，可不可以分享一下那時候投稿的內容？

我： (急於解釋動機) 因為我平常就很喜歡影片剪輯以及分享，所以那時候看到 AAAI 有辦一個教育影片的活動，我就想說可以結合我的專長以及目前的研究內容，透過易懂的方式或是 Motion Graphics 製作來介紹語言模型的安全。

教授中左： 投稿內容方面呢？

我： (修正方向) 影片內容主要會先提到現有的一些攻擊，包含 Roleplay 以及其他 Jailbreak 方法，之後也會提到現有防禦機制像是 SmoothLLM 以及 Llama Guard 等，並整合在一個 3 分鐘的影片中。

關於獨立性與指導

教授左： 我比較好奇的是你與中央大學蔡宗翰教授的互動方式。

我： 初期學習的時候是每週自學、製作一個主題的研究，並跟教授報告，教授會再給一些 feedback 或者是問一些問題。

教授左： 這邊的議題是你們自己選的嗎？

我： 是教授提出一個大概的方向，像是模型的注意力機制。論文撰寫的部分，研究 PATCH 時會每週跟教授報告進度，教授也會在我們做 Peer review 的時候做語法上的建議；FORTRESS 則是我從題目發想、論文撰寫獨立完成的，教授在這篇論文給予了我比較大的發揮空間，我很感激。而教授主要介入的部分是在於 peer review 我 respond 完給的一些指點還有那時候選擇投 TMLR 時的討論。

PATCH 與數據生成的檢視

教授中右： 你們的 PATCH 資料集，應該是用 LLM 生成的，可以詳細說一下你們的生成架構嗎？

我： 我主要負責的是其中對抗性的資料生成架構，基於 Meta 提出的 Rainbow-Teaming 主要是使用迭代的方式，會用一個 Mutator 做攻擊類別還有攻擊風格上的變異，測試在 Target 後，再由 Judge 判斷是否有效，在最後完成迭代前會做 BLEU Filtering 跟 Semantic Filtering 來確保所含的是多樣的。

教授中左： 你在上面（指 PATCH）有提到模型有 21% 的提升，可以解釋一下這裡的提升是指什麼嗎？

我： 我們的 Baseline 是 Llama Guard 3 1B，目前業界常用的 Classifier，負責看一個 Input 是安全還是不安全的。我們主要是用 FFT 跟 LoRA 訓練，並在 PATCH test set 上面得到了 21% 的提升，但比較驚訝的是 LoRA 在英文也比原本就會英文的 Baseline 提升了 18%。（停頓、看到教授目前沒有問題）這邊（泛化能力）主要推測是因為我們資料集蠻廣泛的，所以模型可能對安全有了更深入的理解。

教授左： LoRA 後續有發展，你有後續的追蹤或使用嗎？

我： (這題答的比較普通，過於被動) 有的，主要我熟悉的是 QLoRA，也因為這篇論文篇幅的關係，就沒有使用，我們主要是使用 Full Fine-tune, LoRA 跟 Chat-Vector 這三種方法，沒有使用到其他比較實驗性的方法。

下一步的藍圖

教授中右： 因為你的底下有提到想要加入我的實驗室，你覺得安全還有什麼可以做的方向？

我： 我覺得安全分類是我想朝向的方向，也是目前我在奧義實習做的方向。我覺得現在攻擊分類傾向於將一個 Prompt 分類在要嘛是 Prompt Injection 要不然就是 Jailbreak，但我覺得它比較是一個疊加態的狀態。所以我想先透過在模型內找到「安全」的 Head，並可能透過矩陣分解來計算出一個 Prompt 這個類別是零點幾，另一個類別是零點幾，來達到一個比較細緻的分類。

教授中右： (沉默片刻) 剩下時間你有什麼想問的問題嗎？

我： 教授好，如果這場面試順利的話，教授會推薦我參加哪些類別的課程？（剛好響鈴）

教授中右： 我有開一些 AI 安全的課程。

我： 好的，謝謝教授 (邊走出去)！

---

你的賽道，你的定義

這趟旅程，與其說是關於如何上榜，不如說是關於如何找到自己。

回頭看，這條路充滿了不確定性。當身邊的同儕都在 CTF 賽場上發光發熱時，我遠不如人，卻也投身一個相對冷僻的領域。這份選擇，起初是對自身侷限的認知，後來卻成為我最獨特的標記。

特殊選才從來沒有標準答案。它尋找的，或許不是在既定賽道上跑得最快的選手，而是那自己開闢一條新路，並證明這條路有價值的人。你的專案、你的研究、你的任何一項不務正業，只要你真的投入熱情、做得夠深，它就有可能成為你的武器。

這份心得，充滿了我的個人偏見、倖存者偏差與極多的幸運。如果你的路與我迥異，請務必相信你自己的版本。因為最終，能說服教授的，不是你模仿了誰，而是你展現了絕無僅有的自己。

致謝

這條路看似孤獨，但我從未真正隻身一人。如果這份錄取資格有任何價值，那是因為我站在了這些人的肩膀上：

• 感謝蔡宗翰教授，近三年來的耐心指導，為我學術研究的漫漫長路點亮了第一盞燈。
• 感謝 AK 學長，從初期開發的引導、無數次論文的 Review、到面試前的模擬，你是我最可靠的後盾。
• 感謝奧義智慧的 CK 與 frozenkp，以及整個團隊給予我這個寶貴的機會，讓我在業界的視野中，看見研究落地的樣貌。
• 感謝靜心高中的逸萍主任與文婷導師，總是在我需要的時候，給予最大的協助與支持。
• 感謝我的爸媽，無條件地信任我每一個看似瘋狂的決定，讓我能無後顧之憂地去闖。
• 感謝我的朋友們，特別是在面試前，忍受我無數次的自我介紹轟炸。
• 最後，也最重要的，感謝 毛哥 EM 與 Grasping631 的經驗分享。

希望我這篇粗淺的紀錄，也能成為未來某位探索者的微光。如果有關於備審、面試的問題都歡迎透過 email 或其他方式找我聊聊～

---

封面照：Wanderer above the Sea of Fog by Caspar David Friedrich, Public Domain, Link