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。

2025-08-14 至 2025-08-14 共收录 2 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 越狱攻击 2 篇

2506.22557 2025-08-14 cs.CR cs.LG 85%

Boyuan Chen, Minghao Shao, Abdul Basit, Siddharth Garg, Muhammad Shafique

专题命中越狱攻击：jailbreak(title,abstract)；alignment(abstract)；safety(abstract)；分类 cs.LG

2508.09218 2025-08-14 cs.CV cs.AI 70%

Zuoou Li, Weitong Zhang, Jingyuan Wang, Shuyuan Zhang, Wenjia Bai, Bernhard Kainz, Mengyun Qiao

专题命中越狱攻击：safety(abstract)；jailbreak(abstract)；分类 cs.AI