近 12 个月8 篇
评测与基准 2其他 1
最近一年的 AI 安全论文
本站共收录 57 篇2026 年 10 月
- 长时程轨迹监督如何影响终端智能体训练的可靠性与成本
Selecting Long-Horizon Trajectories for Reliable and Efficient Terminal-Agent Training
2026 年 6 月
2026 年 5 月
- 记得越多，风险越大：配备记忆的 LLM Agent 的纵向安全风险
Remembering More, Risking More: Longitudinal Safety Risks in Memory-Equipped LLM Agents
2026 年 3 月
- 从弱线索到真实身份：评估 LLM 智能体的推理驱动去匿名化
From Weak Cues to Real Identities: Evaluating Inference-Driven De-Anonymization in LLM Agents
2026 年 1 月
- 一次修复：用单条样本为微调后的大语言模型打上安全补丁
Safety at One Shot: Patching Fine-Tuned LLMs with A Single Instance
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。