AGrail: A Lifelong Agent Guardrail with Effective and Adaptive Safety Detection
专题命中 安全训练 :safety(title,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。
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
Journal ref 2024 IEEE International Conference on Big Data (BigData), Washington, DC, USA, 2024, pp. 5315-5324
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Journal ref The 6th ACM/IEEE International Conference on Automation of Software Test (AST 2025)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Comments under review
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
Comments Accepted at NeurIPS 2024 (Poster)
专题命中 安全训练 :alignment(title);safety(abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments This is the camera-ready version accepted for NeurIPS 2024
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments 43 pages, 20 figures
专题命中 安全训练 :alignment(title,abstract);分类 cs.CL
Comments Accepted to NeurIPS 2024 main conference. see https://github.com/FreedomIntelligence/AceGPT-v2
专题命中 安全训练 :alignment(title,abstract);分类 cs.LG
Comments 17 pages, 5 figures
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Comments 10 pages, COLM-2024
专题命中 安全训练 :safety(title,abstract);分类 cs.CY
Comments Sep-25 update adds papers that we missed in the original dataset, as well as more acknowledgements
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments Accepted by IJCAI2024
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Comments Accepted at ACL 2024 (Student Research Workshop)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
专题命中 安全训练 :alignment(title,abstract);分类 cs.CL
专题命中 安全训练 :safety(title,abstract);分类 cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Comments ACL 2024 KnowledgeableLMs workshop paper
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
Comments Accepted to ACL2024 Findings
专题命中 安全训练 :alignment(title,abstract);分类 cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments Accepted in 5th Annual Learning for Dynamics & Control Conference (L4DC), University of Pennsylvania
专题命中 安全训练 :alignment(title,abstract);分类 cs.CL
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments 9 pages, 3 figures
专题命中 安全训练 :safety(title,abstract);分类 cs.CL
专题命中 安全训练 :safety(title,abstract);分类 cs.LG
Comments 20 pages