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。

2025-09-15 至 2025-09-15 共收录 2 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 安全训练 2 篇

2509.09852 2025-09-15 cs.CL 57%

Chuyuan Li, Austin Xu, Shafiq Joty, Giuseppe Carenini

机构 * Department of Computer Science, University of British Columbia（英属哥伦比亚大学计算机科学系）； Salesforce AI Research（Salesforce人工智能研究）

专题命中安全训练：alignment(abstract)；分类 cs.CL

2509.09953 2025-09-15 cs.RO 50%

Mahfuzul I. Nissan, Sharmin Aktar

机构 * Department of Computer Science University of New Orleans（计算机科学系新奥尔良大学）； Department of Computer Science St Mary's University（计算机科学系斯坦玛丽大学）

专题命中安全训练：safety(abstract)