近 12 个月5 篇
防御 1风险行为 1
最近一年的 AI 安全论文
本站共收录 47 篇2026 年 10 月
- 评测型 AI 治理的潜力与局限：来自专家访谈的证据
The Promises and Limitations of Evaluation-Based AI Governance: Evidence from Expert Interviews
- 可监控性是可训练的：面向思维链可监控性的后训练
Monitorability Is Trainable: Post-Training for Chain-of-Thought Monitorability
2026 年 9 月
- 研究者提出 verbalization training 让 LLM 说出评测感知
Training LLMs to Verbalize Evaluation Awareness
2026 年 2 月
- AI 研究者对自动化 AI 研发与智能爆炸的看法
AI Researchers' Views on Automating AI R&D and Intelligence Explosions
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。