大模型对齐与安全

Uncertainty-Driven Reliability: Selective Prediction and Trustworthy Deployment in Modern Machine Learning

Stephan Rabanser

专题命中 幻觉与事实性 ：trustworthy(title)；safety(abstract)；分类 cs.AI、cs.CY、cs.LG

Comments PhD Thesis

HAVE: Head-Adaptive Gating and ValuE Calibration for Hallucination Mitigation in Large Language Models

Xin Tong, Zhi Lin, Jingya Wang, Bo Jin

机构 * Xin Tong School of Information and Cyber Security People’s Public Security University of China（信息与网络安全学院 中国人民公安大学） ； Zhi Lin School of Safety Science Tsinghua University（安全科学学院 清华大学） ； Jingya Wang School of Information and Cyber Security People’s Public Security University of China（信息与网络安全学院 中国人民公安大学） ； Bo Jin* The Third Research Institute of the Ministry of Public Security of China（公安部第三研究所） 纠错

专题命中 幻觉与事实性 ：trustworthy(abstract)；分类 cs.CL、cs.AI

MoSEs: Uncertainty-Aware AI-Generated Text Detection via Mixture of Stylistics Experts with Conditional Thresholds

Junxi Wu, Jinpeng Wang, Zheng Liu, Bin Chen, Dongjian Hu, Hao Wu, Shu-Tao Xia

机构 * Nankai University（南开大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Shenzhen ShenNong Information Technology Co., Ltd.（深圳深农信息技术有限公司） 纠错

专题命中 幻觉与事实性 ：trustworthy(abstract)；分类 cs.CL、cs.AI

Comments EMNLP 2025

MV-Debate: Multi-view Agent Debate with Dynamic Reflection Gating for Multimodal Harmful Content Detection in Social Media

Rui Lu, Jinhe Bi, Yunpu Ma, Feng Xiao, Yuntao Du, Yijun Tian

专题命中 幻觉与事实性 ：safety(abstract)；分类 cs.AI