Embedding Explainable AI in NHS Clinical Safety: The Explainability-Enabled Clinical Safety Framework (ECSF)
专题命中 安全评测 :safety(title,abstract);alignment(abstract);分类 cs.AI、cs.CY
Comments 33 pages, 5 figures
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
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
机构 * Tsinghua University(清华大学) ; Tencent Inc(腾讯公司)
专题命中 安全评测 :alignment(abstract);分类 cs.CL
机构 * College of Engineering University of Georgia(工程学院 乔治亚大学)
专题命中 安全评测 :safety(abstract);分类 cs.AI
Comments 23 pages, 4 figures, 3 tables
机构 * Ph.D. Student, Dept. of Civil Eng., University of Texas at Arlington. E-mail ; Assistant Professor, Dept. of Computer Sci. \& Eng., University of Texas at Arlington. E-mail ; Assistant Professor, Dept. of Civil Eng., University of Texas at Arlington. E-mail
专题命中 安全评测 :safety(abstract);分类 cs.AI
机构 * Centre for Smart Health, School of Nursing, The Hong Kong Polytechnic University(智能健康研究中心、护理学院、香港理工大学) ; Department of Language Science and Technology, The Hong Kong Polytechnic University(语言科学与技术系、香港理工大学) ; Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University(电子与电气工程系、香港理工大学)
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments 9 pages, 2 figures
专题命中 安全评测 :alignment(abstract);分类 cs.CL
机构 * Institute for Intelligent Systems(智能系统研究所) ; Esslingen University of Applied Sciences(应用科学大学埃斯林根) ; Department of Computer Science(计算机科学系) ; University of Freiburg(弗赖堡大学)
专题命中 安全评测 :safety(abstract)
机构 * Peking University(北京大学) ; ByteDance(字节跳动) ; Princeton University(普林斯顿大学) ; CASIA(中国科学院自动化研究所) ; The University of Chicago(芝加哥大学)
专题命中 安全评测 :alignment(abstract)
Comments Project Page: https://tyfeld.github.io/mmadaparellel.github.io/