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。

2025-08-29 至 2025-08-29 共收录 1 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. AI治理与伦理 1 篇

2508.20333 2025-08-29 cs.LG cs.AI cs.CL cs.DC 85%

Poison Once, Refuse Forever: Weaponizing Alignment for Injecting Bias in LLMs

Md Abdullah Al Mamun, Ihsen Alouani, Nael Abu-Ghazaleh

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

详情

展开后加载摘要…

URL PDF HTML 收藏