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。

2025-11-12 至 2025-11-12 共收录 3 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 越狱攻击 3 篇

2511.07480 2025-11-12 cs.CR cs.AI 79%

Shuyuan Liu, Jiawei Chen, Xiao Yang, Hang Su, Zhaoxia Yin

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

2511.08367 2025-11-12 cs.CR 75%

Yuxuan Zhou, Yuzhao Peng, Yang Bai, Kuofeng Gao, Yihao Zhang, Yechao Zhang, Xun Chen, Tao Yu, Tao Dai, Shu-Tao Xia

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

2510.02609 2025-11-12 cs.SE 67%

Chengquan Guo, Chulin Xie, Yu Yang, Zhaorun Chen, Zinan Lin, Xander Davies, Yarin Gal, Dawn Song, Bo Li

专题命中越狱攻击：safety(abstract)；jailbreak(abstract)