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。

2025-10-20 至 2025-10-20 共收录 2 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 越狱攻击 2 篇

2510.12672 2025-10-20 cs.LG 87%

Ruben Belo, Marta Guimaraes, Claudia Soares

机构 * Neuraspace（Neuraspace公司）

专题命中越狱攻击：alignment(title,abstract)；safety(abstract)；jailbreak(abstract)；AI safety(abstract)

2510.15068 2025-10-20 cs.CR cs.AI 70%

Deyue Zhang, Dongdong Yang, Junjie Mu, Quancheng Zou, Zonghao Ying, Wenzhuo Xu, Zhao Liu, Xuan Wang, Xiangzheng Zhang

机构 * AI Security Lab（360人工智能安全实验室）； Politecnico di Milano（米兰理工大学）； Beihang University（北京航空航天大学）

专题命中越狱攻击：safety(abstract)；jailbreak(abstract)；分类 cs.AI