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。

2026-01-22 至 2026-01-22 共收录 1 篇信号源：cs.CL, cs.AI, cs.CY, cs.LG

1. 越狱攻击 1 篇

2509.01631 2026-01-22 cs.AI 83%

通过安全知识神经元揭开大语言模型劫持的面纱

Chongwen Zhao, Yutong Ke, Kaizhu Huang

机构 * Duke Kunshan University（杜克昆山大学）

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

AI总结本文提出SafeTuning方法，通过调整安全知识神经元激活来提升大语言模型对劫持攻击的防御能力，实验显示其在多个模型上均有效

Comments EACL 2026

↑