大模型对齐与安全

Like a Therapist, But Not: Reddit Narratives of AI in Mental Health Contexts

像治疗师，但不是：Reddit中关于心理健康情境下AI的叙述

Elham Aghakhani, Rezvaneh Rezapour

机构 * Drexel University（德雷塞尔大学） 纠错

专题命中 其他安全 ：alignment(abstract)；分类 cs.CL

AI总结 本研究通过分析Reddit上的心理健康相关AI使用叙述，探讨了用户对AI在心理健康领域中的评价与关系契合，揭示了任务契合度与情感联系在用户互动中的不同影响。

Abex-rat: Synergizing Abstractive Augmentation and Adversarial Training for Classification of Occupational Accident Reports

ABEX-RAT：协同抽象增强与对抗训练用于职业事故报告分类

Jian Chen, Jiabao Dou

机构 * Ningxia Research Institute of Transport Science（宁夏交通科学研究院） ； Department of Computer Science（计算机科学系） 纠错

专题命中 其他安全 ：safety(abstract)；分类 cs.LG

AI总结 ABEX-RAT通过结合抽象增强与对抗训练，高效解决职业事故报告分类中的类别不平衡问题，实现90.32%的宏F1得分。

Sparse CLIP: Co-Optimizing Interpretability and Performance in Contrastive Learning

稀疏CLIP：在对比学习中协同优化可解释性与性能

Chuan Qin, Constantin Venhoff, Sonia Joseph, Fanyi Xiao, Stefan Scherer

专题命中 其他安全 ：alignment(abstract)

AI总结 稀疏CLIP通过在对比学习中直接整合稀疏性，实现了可解释性与性能的协同优化，保留了多模态能力并提升了下游任务性能。

IntentFlow: Investigating Fluid Dynamics of Intent Communication in Generative AI

IntentFlow：探究生成AI中意图通信的流体动力学

Yoonsu Kim, Kihoon Son, Seoyoung Kim, Brandon Chin, Juho Kim

专题命中 其他安全 ：alignment(abstract)

AI总结 IntentFlow通过系统分析揭示生成AI中意图通信的关键要素及交互机制，提出四种核心支持方面并验证其在写作任务中的有效性。