Co-Alignment: Rethinking Alignment as Bidirectional Human-AI Cognitive Adaptation
机构 * Carnegie Mellon University(卡内基梅隆大学)
专题命中 偏好对齐 :alignment(title,abstract);RLHF(abstract);safety(abstract);分类 cs.AI
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
机构 * Carnegie Mellon University(卡内基梅隆大学)
专题命中 偏好对齐 :alignment(title,abstract);RLHF(abstract);safety(abstract);分类 cs.AI
专题命中 偏好对齐 :DPO(title,abstract);alignment(abstract);分类 cs.LG
机构 * Kuaishou Technology(快手科技)
专题命中 偏好对齐 :alignment(abstract);DPO(abstract);分类 cs.AI
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院,清华大学)
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI、cs.LG
专题命中 偏好对齐 :DPO(abstract);分类 cs.AI、cs.LG
Comments NeurIPS 2025
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL
机构 * Institute of Trustworthy Embodied AI, Fudan University(可信具身人工智能研究院,复旦大学) ; Apple(苹果公司)
专题命中 偏好对齐 :alignment(abstract)
机构 * Department of Computer Science The University of Manchester Manchester, UK(计算机科学系曼彻斯特大学曼彻斯特英国) ; University of Manchester Manchester, UK(曼彻斯特大学曼彻斯特英国)
专题命中 安全训练 :safety(title,abstract)
Comments In Proceedings FMAS 2025, arXiv:2511.13245
Journal ref EPTCS 436, 2025, pp. 48-68
专题命中 安全训练 :safety(abstract);trustworthy(abstract);分类 cs.AI、cs.CY
Comments In Proceedings FMAS 2025, arXiv:2511.13245
Journal ref EPTCS 436, 2025, pp. 114-135
机构 * University of Modena and Reggio Emilia(摩德纳和雷吉奥艾米利亚大学)
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments In Proceedings FMAS 2025, arXiv:2511.13245
Journal ref EPTCS 436, 2025, pp. 80-87
机构 * Ant Group(蚂蚁集团) ; Imperial College London(伦敦帝国理工学院)
专题命中 安全训练 :alignment(abstract);分类 cs.AI
专题命中 安全训练 :safety(abstract)
专题命中 安全训练 :safety(abstract)
机构 * GRASP Lab, University of Pennsylvania(宾夕法尼亚大学GRASP实验室) ; Department of Electrical and Computer Engineering, Drexel University(德雷塞尔大学电气与计算机工程系) ; Department of Computer Science, University of Southern California(南加州大学计算机科学系)
专题命中 安全训练 :safety(abstract)
机构 * Shanghai Institute of Artificial Intelligence for Education, East China Normal University, Shanghai 200062, China(教育人工智能研究所,华东师范大学,上海200062,中国) ; School of Computer Science and Technology, East China Normal University, Shanghai 200062, China(计算机科学与技术学院,华东师范大学,上海200062,中国) ; School of Computer Science(计算机科学学院)
专题命中 越狱攻击 :jailbreak(title,abstract);alignment(abstract);safety(abstract);分类 cs.CL
专题命中 越狱攻击 :jailbreak(title,abstract);safety(abstract)
专题命中 越狱攻击 :safety(abstract)
专题命中 提示注入 :prompt injection(title,abstract);分类 cs.CL、cs.AI、cs.LG
机构 * National University of Singapore(新加坡国立大学) ; Shanghai Jiao Tong University(上海交通大学)
专题命中 提示注入 :prompt injection(title,abstract);分类 cs.AI
机构 * University of Queensland(昆士兰大学) ; Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)(穆罕默德·本·扎耶德人工智能大学) ; Provable Responsible AI and Data Analytics (PRADA) Lab(可证责任AI与数据分析师实验室) ; King Abdullah University of Science and Technology (KAUST)(国王 Abdullah 科学与技术大学)
专题命中 幻觉与事实性 :alignment(abstract);trustworthy(abstract);分类 cs.AI
Comments 20 pages,3 figures
专题命中 安全评测 :safety(title,abstract);alignment(abstract);分类 cs.AI、cs.CY
Comments 33 pages, 5 figures
专题命中 安全评测 :alignment(title);safety(abstract);分类 cs.CL
机构 * LawZero ; Apollo Research ; Imperial College London(帝国理工学院伦敦校区)
专题命中 安全评测 :safety(abstract);trustworthy(abstract);分类 cs.AI
Comments 53 pages, 21 figures, 8 tables. Accepted as a spotlight at NeurIPS 2025
机构 * Gradel Institute of Charity, New College, University of Oxford(格拉德学院,牛津大学)
专题命中 安全评测 :alignment(abstract);分类 cs.CL、cs.AI、cs.CY
机构 * AIR, Tsinghua University(空气动力学研究所,清华大学) ; King’s College London(伦敦国王学院) ; The University of Manchester(曼彻斯特大学) ; The University of Hong Kong(香港大学)
专题命中 安全评测 :alignment(abstract);safety(abstract)
Comments 25 pages, 7 figures, 5 tables
专题命中 安全评测 :alignment(abstract);分类 cs.CL、cs.AI、cs.CY
Comments 48 pages, 3 figures. Accepted in AAAI-2026 (Main Technical Track). For code and model, see this https://github.com/JianChengXingYun/Mctsr-Zero
专题命中 安全评测 :alignment(abstract,comments);分类 cs.CL、cs.AI
Comments AAAI2025 Special Track on AI Alignment
机构 * University of British Columbia(不列颠哥伦比亚大学) ; Vancouver General Hospital(温哥华总医院)
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL、cs.LG
Comments 12 pages, Under Review
机构 * West University of Timișoara, Romania(蒂米șоara西大学) ; University of Maryland, United States(马里兰大学)
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI、cs.LG
Comments Paper submitted to ECAI 2025 Conference
专题命中 安全评测 :safety(abstract);分类 cs.AI、cs.LG
Comments 20 pages, 2 figures, 11 tables, working paper