近 12 个月2 篇
最近一年的 AI 安全论文
本站共收录 10 篇2026 年 5 月
- 重新审视JBShield：破解并重建表示层面的越狱防御
Revisiting JBShield: Breaking and Rebuilding Representation-Level Jailbreak Defenses
2025 年 12 月
- Super Suffixes：同时绕过文本生成对齐与护栏模型
Super Suffixes: Bypassing Text Generation Alignment and Guard Models Simultaneously
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。