arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

大模型对齐与安全

大模型对齐、安全、越狱、红队、提示注入和可信评测。

2025-07-30 至 2025-07-30 共收录 1 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. 红队测试 1 篇

2507.21061 2025-07-30 cs.CR cs.CY 84%

Security practices in AI development

Petr Spelda, Vit Stritecky

专题命中 红队测试 :alignment(abstract);safety(abstract);red teaming(abstract);trustworthy(abstract)

Comments 11 pages

详情

展开后加载摘要…

URL PDF HTML 收藏