arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

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。

2025-08-28 至 2025-08-28 共收录 3 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. AI治理与伦理 3 篇

2508.19269 2025-08-28 cs.CY cs.AI cs.CL 67%

Should LLMs be WEIRD? Exploring WEIRDness and Human Rights in Large Language Models

Ke Zhou, Marios Constantinides, Daniele Quercia

机构 * Nokia Bell Labs(诺基亚贝尔实验室)

专题命中 AI治理与伦理 :alignment(abstract);分类 cs.CL、cs.AI、cs.CY

Comments This paper has been accepted in AIES 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.20015 2025-08-28 cs.LG cs.AI 62%

Decomposing Behavioral Phase Transitions in LLMs: Order Parameters for Emergent Misalignment

Julian Arnold, Niels Lörch

机构 * Department of Physics University of Basel(物理系 巴塞尔大学)

专题命中 AI治理与伦理 :alignment(abstract);分类 cs.AI、cs.LG

Comments 11+25 pages, 4+11 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.18765 2025-08-28 cs.LG 57%

Governance-as-a-Service: A Multi-Agent Framework for AI System Compliance and Policy Enforcement

Suyash Gaurav, Jukka Heikkonen, Jatin Chaudhary

专题命中 AI治理与伦理 :alignment(abstract);分类 cs.LG

详情

展开后加载摘要…

URL PDF HTML 收藏