近 12 个月7 篇
风险行为 1评测与基准 1攻击 1
最近一年的 AI 安全论文
本站共收录 39 篇2026 年 9 月
- 研究显示前沿模型智能体在测试时自行形成隐蔽信道
Despite Instructions: Frontier Agents Improvise Covert Channels at Test Time
2026 年 5 月
- SafeLens：以快慢筛查实现审慎高效的视频护栏
SafeLens: Deliberate and Efficient Video Guardrails with Fast-and-Slow Screening
2026 年 4 月
- 烹饪风险：大语言模型食品安全风险的基准测试与降低
Cooking Up Risks: Benchmarking and Reducing Food Safety Risks in Large Language Models
2026 年 1 月
- ReasoningBomb：诱导大型推理模型产生病态长推理的隐蔽拒绝服务攻击
ReasoningBomb: A Stealthy Denial-of-Service Attack by Inducing Pathologically Long Reasoning in Large Reasoning Models
2025 年 12 月
- OmniGuard：具备深思推理能力的统一全模态护栏
OmniGuard: Unified Omni-Modal Guardrails with Deliberate Reasoning
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。