近 12 个月6 篇
风险行为 1分析与理论 1
最近一年的 AI 安全论文
本站共收录 8 篇2026 年 8 月
- 长时程多智能体 LLM 商务中的涌现性不对齐通信
Emergent Misaligned Communication in Long-Horizon Multi-Agent LLM Commerce
2026 年 7 月
- 模块会各司其职吗？复合 LLM 系统中的角色漂移
Do Modules Stay in Their Lane? Role Drift in Compound LLM Systems
2026 年 3 月
- 评估人机安全：衡量有害能力提升的框架
Evaluating Human-AI Safety: A Framework for Measuring Harmful Capability Uplift
2025 年 12 月
- 全栈对齐：以厚价值模型协同对齐 AI 与制度
Full-Stack Alignment: Co-Aligning AI and Institutions with Thick Models of Value
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。