10月9日 · 周五

全部论文

找到 1 篇

筛选5

攻击类型

越狱26 提示注入10 投毒与后门7 模型篡改1 检测规避8 恶意使用1

防御类型

检测与过滤1

影响

系统形态

模型与 API1 LLM 应用1 AI Agent4 编程 Agent0 网页与电脑操作1 多智能体2

攻击面/入口

层

系统组件

护栏与评审1 监控器0 视觉2 音频1 图像生成2 多模态5

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 433 篇还没打标签，不在筛选结果里。

攻击类型：恶意使用系统形态：模型与 API 系统形态：编程 Agent 系统组件：护栏与评审系统组件：监控器清除全部

另有 433 篇论文还没打上分类标签，暂不在筛选结果里。

评测与基准arXiv 2610.0650310月5日
研究评测五款开源文生图模型的有害内容生成与审核缺口
评测文生图模型的有害内容生成能力与审核检测缺口
arXiv
2610.06503
发表
10月5日
层
模型层
场景
模型与 API
测试
SDXL、Stable Diffusion 3.5 Large、FLUX.1-dev 等 12 个
- 防御检测与过滤
- 攻击恶意使用
- 组件图像生成
深度解读完整解读

已经到底了