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。

2025-10-02 至 2025-10-02 共收录 3 信号源:cs.CL, cs.AI, cs.CY, cs.LG

1. 安全训练 3 篇

2510.00451 2025-10-02 cs.CR cs.AI cs.LG cs.MA 79%

A Call to Action for a Secure-by-Design Generative AI Paradigm

Dalal Alharthi, Ivan Roberto Kawaminami Garcia

机构 * University of Arizona(亚利桑那大学)

专题命中 安全训练 :safety(abstract);prompt injection(abstract);AI safety(abstract);分类 cs.AI、cs.LG

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.00274 2025-10-02 cs.AI cs.LG cs.MA 62%

MAGIC-MASK: Multi-Agent Guided Inter-Agent Collaboration with Mask-Based Explainability for Reinforcement Learning

Maisha Maliha, Dean Hougen

机构 * School of Computer Science University of Oklahoma(计算机科学学院俄克拉荷马大学)

专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG

Comments 16 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2408.16144 2025-10-02 eess.SY cs.SY 50%

Safe Event-triggered Gaussian Process Learning for Barrier-Constrained Control

Armin Lederer, Azra Begzadić, Sandra Hirche, Jorge Cortés, Sylvia Herbert

专题命中 安全训练 :safety(abstract)

Comments The first two authors contributed equally to the work

详情

展开后加载摘要…

URL PDF HTML 收藏