防御arXiv 2602.11096·2月12日推理模型的安全恢复只需早期几步引导提出推理时防御 SafeThink，监视思维链并在低于阈值时注入转向前缀arXiv2602.11096发表2月12日层模型层场景模型与 API被测模型R1-Onevision-7B、OpenVLThinker-7B、VLAA-Thinker-7B 等6个防御推理时干预攻击越狱组件推理链+1+1深度解读完整解读