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。

2025-08-11 至 2025-08-11 共收录 1 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. 隐私与版权 1 篇

2412.05734 2025-08-11 cs.CR cs.AI cs.LG 73%

LeakAgent: RL-based Red-teaming Agent for LLM Privacy Leakage

Yuzhou Nie, Zhun Wang, Ye Yu, Xian Wu, Xuandong Zhao, Wenbo Guo, Dawn Song

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

Comments Accepted by COLM 2025

详情

展开后加载摘要…

URL PDF HTML 收藏