Steering into New Embedding Spaces: Analyzing Cross-Lingual Alignment Induced by Model Interventions in Multilingual Language Models
专题命中 其他安全 :alignment(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments 34 pages
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 其他安全 :alignment(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments 34 pages
机构 * Google DeepMind(谷歌DeepMind) ; Google Research(谷歌研究) ; Harvard Medical School, Beth Israel Deaconess Medical Center(哈佛医学院,贝塞斯达德acons医学中心)
专题命中 其他安全 :safety(abstract);分类 cs.CL、cs.AI、cs.LG
机构 * Seoul National University(首尔国立大学) ; Sungkyunkwan University(庆熙大学)
专题命中 其他安全 :alignment(abstract);分类 cs.CL、cs.AI
Comments ICLR 2025 (Official Code: https://github.com/DonghoonKim-1938/VGD)
专题命中 其他安全 :alignment(abstract);分类 cs.AI
Comments 12 pages, 9 figures, 4 tables
机构 * University of Science and Technology of China(中国科学技术大学)
专题命中 其他安全 :alignment(abstract);分类 cs.AI
机构 * School of Computer Science and Engineering, University of New South Wales (UNSW)(新南威尔士大学计算机科学与工程学院) ; Department of Electrical Engineering and Information Technology, University of Naples Federico II(那不勒斯费德里克二世大学电气工程与信息技术系)
专题命中 其他安全 :alignment(abstract);分类 cs.AI
Comments Accepted by IEEE Transactions on Software Engineering
机构 * Carnegie Mellon University(卡内基梅隆大学) ; University of Verona(威尼斯大学)
专题命中 其他安全 :safety(abstract);分类 cs.LG
机构 * Australian National University(澳大利亚国立大学) ; University of Tokyo(东京大学) ; Agency for Science, Technology and Research(科技研究局) ; pi Software(2pi软件)
专题命中 其他安全 :alignment(abstract);分类 cs.LG
机构 * Uppsala University(乌普萨拉大学) ; Florida Institute of Technology(佛罗里达理工学院)
专题命中 其他安全 :safety(abstract);分类 cs.AI
Comments 6 pages, 2 figures
专题命中 其他安全 :safety(abstract)
专题命中 其他安全 :safety(abstract)
Comments 11 pages, 7 figures, 3 tables. This work has been submitted to the IEEE for possible publication
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University(PCA实验室、VCIP、计算机科学学院、南开大学) ; DAMO Academy, Alibaba Group(达摩院、阿里巴巴集团)
专题命中 其他安全 :alignment(abstract)
Comments ICCV 2025. Code: https://github.com/zhengli97/ATPrompt. Project Page: https://zhengli97.github.io/ATPrompt/
机构 * Department of Biomedical Engineering, Johns Hopkins University(生物医学工程系,约翰·霍普金斯大学) ; Department of Electrical and Computer Engineering, Johns Hopkins University(电气与计算机工程系,约翰·霍普金斯大学)
专题命中 其他安全 :safety(abstract)
Comments 5 pages, 7 figures, for IEEE Sensors Letters