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。

2025-08-04 至 2025-08-04 共收录 1 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 隐私与版权 1 篇

2507.21170 2025-08-04 cs.CR cs.AI cs.CL 62%

OneShield -- the Next Generation of LLM Guardrails

Chad DeLuca, Anna Lisa Gentile, Shubhi Asthana, Bing Zhang, Pawan Chowdhary, Kellen Cheng, Basel Shbita, Pengyuan Li, Guang-Jie Ren, Sandeep Gopisetty

机构 * IBM Research（IBM研究院）； Princeton University（普林斯顿大学）

专题命中隐私与版权：safety(abstract)；分类 cs.CL、cs.AI