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。

2025-08-13 至 2025-08-13 共收录 2 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 安全训练 2 篇

2501.06208 2025-08-13 cs.CL 86%

Enhancing AI Safety Through the Fusion of Low Rank Adapters

Satya Swaroop Gudipudi, Sreeram Vipparla, Harpreet Singh, Shashwat Goel, Ponnurangam Kumaraguru

机构 * IIIT Hyderabad（海德拉巴国家理工学院）； NSUT Delhi（德里NSUT）

专题命中安全训练：safety(title,abstract)；AI safety(title)；分类 cs.CL

2508.08926 2025-08-13 cs.AI 79%

Safe Semantics, Unsafe Interpretations: Tackling Implicit Reasoning Safety in Large Vision-Language Models

Wei Cai, Jian Zhao, Yuchu Jiang, Tianle Zhang, Xuelong Li

机构 * Peking University（北京大学）； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信）； Northwestern Polytechnical University（西北工业大学）； Southeast University（东南大学）

专题命中安全训练：safety(title,abstract)；分类 cs.AI