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。

2025-08-07 至 2025-08-07 共收录 2 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. 幻觉与事实性 2 篇

2508.04105 2025-08-07 cs.AI 57%

Towards Transparent AI Grading: Semantic Entropy as a Signal for Human-AI Disagreement

Karrtik Iyer, Manikandan Ravikiran, Prasanna Pendse, Shayan Mohanty

机构 * Thoughtworks AI Research Labs(Thoughtworks人工智能研究实验室)

专题命中 幻觉与事实性 :trustworthy(abstract);分类 cs.AI

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.04005 2025-08-07 cs.LG 57%

Decoupled Contrastive Learning for Federated Learning

Hyungbin Kim, Incheol Baek, Yon Dohn Chung

专题命中 幻觉与事实性 :alignment(abstract);分类 cs.LG

详情

展开后加载摘要…

URL PDF HTML 收藏