HAEPO: History-Aggregated Exploratory Policy Optimization
机构 * Birla Institute of Technology and Science, Pilani(比拉理工学院和科学学院,比兰)
专题命中 安全训练 :DPO(abstract);分类 cs.AI、cs.LG
Comments Under review
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
机构 * Birla Institute of Technology and Science, Pilani(比拉理工学院和科学学院,比兰)
专题命中 安全训练 :DPO(abstract);分类 cs.AI、cs.LG
Comments Under review
机构 * University of York, UK(英国约克大学) ; Cyprus University of Technology, Cyprus(塞浦路斯技术大学)
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments To be published in ECAI 25
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments 10 pages, 6 figures
专题命中 安全训练 :safety(abstract);分类 cs.CY