近 12 个月9 篇
其他 1
最近一年的 AI 安全论文
本站共收录 26 篇2026 年 9 月
- 多智能体辩论蒸馏中认知可靠性的黑盒审计
Black-Box Auditing of Epistemic Reliability in Multi-Agent Debate Distillation
2026 年 7 月
- 三体对齐：通过重排序推理依据让国际象棋智能体与人类推理对齐
Three-Body Alignment: Aligning Chess Agent with Human Reasoning through Reranked Rationale
2026 年 3 月
2026 年 2 月
2026 年 1 月
- DeMark：针对深度伪造水印防御的免查询黑盒攻击
DeMark: A Query-Free Black-Box Attack on Deepfake Watermarking Defenses
- PrivGemo：隐私保护双塔图检索，以记忆增强赋能 LLM 推理
PrivGemo: Privacy-Preserving Dual-Tower Graph Retrieval for Empowering LLM Reasoning with Memory Augmentation
- 隐喻是大型推理模型跨域失对齐的一个来源
Metaphors are a Source of Cross-Domain Misalignment of Large Reasoning Models
2025 年 11 月
- 《国际AI安全报告2025》第二次关键更新：技术防护与风险管理
International AI Safety Report 2025: Second Key Update: Technical Safeguards and Risk Management
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。