近 12 个月2 篇
风险行为 1
最近一年的 AI 安全论文
本站共收录 5 篇2026 年 9 月
- 研究者复现 OpenAI-HuggingFace 事件中的失准行为,并提出自动化对齐测试方法
OpenAI-HuggingFace: A Reproduction & Lessons for Alignment Testing
2026 年 3 月
署名以 dblp 和本人的 Google Scholar 为准;只列本站收录的 AI 安全论文。
OpenAI-HuggingFace: A Reproduction & Lessons for Alignment Testing
署名以 dblp 和本人的 Google Scholar 为准;只列本站收录的 AI 安全论文。