10月8日 · 周四

Google DeepMind · 论文

找到 2 篇

筛选3

模型自身风险

影响

有害内容1 数据与隐私泄露1

系统形态

模型与 API2 AI Agent6 编程 Agent1

层

提示层8 模型层7 应用层1 训练与数据层1

系统组件

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 25 篇还没打标签，不在筛选结果里。

系统形态：模型与 API 层：应用层层：训练与数据层话题：Google DeepMind 清除全部

另有 25 篇论文还没打上分类标签，暂不在筛选结果里。

分析与理论arXiv 2609.308029月25日
研究：知识蒸馏中 chat 模板会削弱学生模型的安全对齐
分析良性知识蒸馏中提示模板对学生拒答保留的影响
arXiv
2609.30802
发表
9月25日
层
训练与数据层
场景
模型与 API
测试
LLaMA-3.1-8B-Instruct、LLaMA-3.2-3B-Instruct、Gemma-2-9B-IT 等 7 个
- 风险拒答失当
深度解读完整解读
其他arXiv 2609.227209月19日
残障披露如何在对话式 AI 中流动：ChatGPT、Claude、Gemini 的记忆、隐私与语境完整性
访谈残障成人，分析向记忆型助手披露残障时的信息流与语境完整性
arXiv
2609.22720
发表
9月19日
层
应用层
场景
模型与 API
- 组件记忆
深度解读完整解读

已经到底了