分析与理论 1
最近的 AI 安全论文
本站共收录 5 篇2025 年 2 月
- RTPE：面向 LLM 红队测试的提示词进化框架
Be a Multitude to Itself: A Prompt Evolution Framework for Red Teaming
2024 年 10 月
- VLFeedback：用于大视觉语言模型对齐的大规模 AI 反馈数据集
VLFeedback: A Large-Scale AI Feedback Dataset for Large Vision-Language Models Alignment
2024 年 9 月
- 迈向大语言模型偏好学习的统一视角：综述
Towards a Unified View of Preference Learning for Large Language Models: A Survey
2024 年 2 月
- ICDPO：通过上下文直接偏好优化有效借用其他 LLM 的对齐能力
ICDPO: Effectively Borrowing Alignment Capability of Others via In-context Direct Preference Optimization
2023 年 5 月
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。