DeforestVis: Behavior Analysis of Machine Learning Models with Surrogate Decision Stumps
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments This manuscript is accepted for publication in Computer Graphics Forum (CGF)
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 :trustworthy(abstract);分类 cs.LG
Comments This manuscript is accepted for publication in Computer Graphics Forum (CGF)
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Journal ref Computer Graphics Forum 2020, 39(3), 713-756
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments This manuscript is accepted for publication in the Information Visualization (IV) - SAGE Journals
Journal ref Information Visualization, 2021, 22(2), 115-139
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments 18 pages
专题命中 安全评测 :alignment(abstract);分类 cs.LG
Comments 15+50 pages, 15 figures
专题命中 安全评测 :alignment(abstract);分类 cs.LG
专题命中 安全评测 :safety(abstract);分类 cs.AI
专题命中 安全评测 :alignment(abstract);分类 cs.AI
Comments 47 pages, 5 figures
专题命中 安全评测 :safety(abstract);分类 cs.LG
Comments Accepted by the 18th Annual IEEE International Systems Conference (SysCon)
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Accepted to NAACL Findings 2024
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Accepted to NAACL 2024 findings
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.CL
Comments Preprint under review
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments Accepted to CVPR'24. (Compared with preprint version, we mainly improve the presentation, discuss more related works, and extend experiments in Appendix.)
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments ICLR 2024 Spotlight
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Accepted at LREC-COLING 2024
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments Accepted at the ICSE'24 conference, NIER track
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL
Journal ref LREC-COLING 2024
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments Updated Version
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL
Comments Accepted in NAACL 2024
专题命中 安全评测 :alignment(abstract);分类 cs.LG
专题命中 安全评测 :safety(abstract);分类 cs.LG
专题命中 安全评测 :alignment(abstract);分类 cs.LG
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.LG
专题命中 安全评测 :safety(abstract);分类 cs.LG
Comments Published as a conference paper at WACV 2024
Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2024. p. 3894-3905
专题命中 安全评测 :trustworthy(abstract);分类 cs.CL
Comments 4 pages, 2 figures, published in the WWW 2024 Short Papers Track
专题命中 安全评测 :alignment(abstract);分类 cs.AI