大模型对齐与安全

Defending MoE LLMs against Harmful Fine-Tuning via Safety Routing Alignment

Jaehan Kim, Minkyoo Song, Seungwon Shin, Sooel Son

机构 * KAIST（韩国科学技术院） 纠错

专题命中 安全训练 ：safety(title,abstract)；alignment(title)；分类 cs.AI

Comments Under review

LinguaSim: Interactive Multi-Vehicle Testing Scenario Generation via Natural Language Instruction Based on Large Language Models

Qingyuan Shi, Qingwen Meng, Hao Cheng, Qing Xu, Jianqiang Wang

机构 * National Key R&D Program of China（中华人民共和国国家重点研发计划） 纠错

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

Hierarchical Reinforcement Learning with Low-Level MPC for Multi-Agent Control

Max Studt, Georg Schildbach

机构 * Max Studt 1 ； Georg Schildbach 1 纠错

专题命中 安全训练 ：safety(abstract)；分类 cs.AI

Role-Conditioned Refusals: Evaluating Access Control Reasoning in Large Language Models

Đorđe Klisura, Joseph Khoury, Ashish Kundu, Ram Krishnan, Anthony Rios

机构 * University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Louisiana State University（路易斯安那州立大学） ； Cisco Research（思科研究） 纠错

专题命中 安全训练 ：safety(abstract)；分类 cs.CL

Comments 8 pages + Appendix

RustAssure: Differential Symbolic Testing for LLM-Transpiled C-to-Rust Code

Yubo Bai, Tapti Palit

专题命中 安全训练 ：safety(abstract)

Comments 13 pages to appear in Proceedings of ASE 2025