Analyzing Dataset Annotation Quality Management in the Wild
专题命中 安全评测 :trustworthy(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 :trustworthy(abstract);分类 cs.CL
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 8 pages, 6 figures, submitted to The 38th Annual Conference of the Japanese Society for Artificial Intelligence, 2024
专题命中 安全评测 :safety(abstract);分类 cs.LG
Comments 20 pages, 7 figures
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments 28th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), May 2024, Taiwan
专题命中 安全评测 :safety(abstract);分类 cs.LG
专题命中 安全评测 :safety(abstract);分类 cs.LG
Comments 10 pages, 8 Figures, accepted for DCAI2023
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments 18 pages, 4 figures
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments In Proceedings of the Conference of the 60th Annual Meeting of the Association for Computational Linguistics (ACL), 2022
专题命中 安全评测 :safety(abstract);分类 cs.AI
Comments 10 pages, 5 figures
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments 12 pages
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments 8 pages, 6 figures
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments work in progress. 15 pages, 7 figures
专题命中 安全评测 :trustworthy(abstract);分类 cs.AI
Comments Accepted in 23rd International Conference on Autonomous Agents and Multi-Agent Systems (AAMAS), 2024
专题命中 安全评测 :trustworthy(abstract);分类 cs.CY
专题命中 安全评测 :safety(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 :safety(abstract);分类 cs.LG
Comments Proceedings of the AAAI Conference on Human Computation and Crowdsourcing, 11(1), 65-76. Best Paper Award
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments Accepted to be published at the 21st IEEE/ACM International Conference on Mining Software Repositories (MSR 2024)
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG
Comments 24 pages
专题命中 安全评测 :alignment(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 :trustworthy(abstract);分类 cs.CL
Comments Accepted by The SIGNLL Conference on Computational Natural Language Learning 2023
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.CY
专题命中 安全评测 :alignment(abstract);分类 cs.CL
Comments EMNLP 2023
专题命中 安全评测 :alignment(abstract);分类 cs.AI
Comments Accepted to BenchCouncil Transactions on Benchmarks, Standards and Evaluations (TBench)
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
Comments Transactions on Machine Learning Research, 2024. ISSN 2835-8856
专题命中 安全评测 :trustworthy(abstract);分类 cs.LG