Prover-Verifier Games improve legibility of LLM outputs
专题命中 安全评测 :alignment(abstract);分类 cs.CL
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 :alignment(abstract);分类 cs.CL
专题命中 安全评测 :alignment(abstract);分类 cs.CL
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments 17 pages, 3 figures
专题命中 安全评测 :safety(abstract);分类 cs.LG
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL
Comments Accepted to KONVENS 2024
专题命中 安全评测 :alignment(abstract);分类 cs.CL
专题命中 安全评测 :safety(abstract);分类 cs.AI
Comments 13 pages, 18 figures
专题命中 安全评测 :safety(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.CL
Comments Accepted to COLM 2024
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.CL
Comments 25 pages, 10 figures, and 8 tables
专题命中 安全评测 :safety(abstract);分类 cs.LG
Journal ref AAMAS '23: Proceedings of the 2023 International Conference on Autonomous Agents and Multiagent Systems
专题命中 安全评测 :safety(abstract);分类 cs.AI
Comments 22 pages, 4 figures
专题命中 安全评测 :alignment(abstract);分类 cs.AI
Comments arXiv admin note: text overlap with arXiv:1303.2654 by other authors
专题命中 安全评测 :alignment(abstract);分类 cs.AI
Comments To appear in ECCV 2024. Source code: https://github.com/djamahl99/findnpropagate
专题命中 安全评测 :alignment(abstract);分类 cs.CL
专题命中 安全评测 :alignment(abstract);分类 cs.LG
专题命中 安全评测 :alignment(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.CL
Comments ACL 2024 Findings
专题命中 安全评测 :trustworthy(abstract);分类 cs.CY
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Technical report, ACL 2024 DEMO TRACK
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
专题命中 安全评测 :alignment(abstract);分类 cs.CL
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Presented in JSAI 2024. The first two authors contributed equally. arXiv admin note: substantial text overlap with arXiv:2406.02863
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments 8 pages, 3 figures, Educational Data Mining 2024, Human-Centric eXplainable AI in Education
专题命中 安全评测 :safety(abstract);分类 cs.AI
Comments CVPR 2024 Responsible Generative AI (ReGenAI) workshop
专题命中 安全评测 :alignment(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.AI
专题命中 安全评测 :safety(abstract);分类 cs.CY
Comments 24 pages, 6 figures, 1 table