近 12 个月8 篇
可解释性 1评测与基准 1分析与理论 1
最近一年的 AI 安全论文
本站共收录 37 篇2026 年 9 月
- 鱼与熊掌不可兼得：概念纠缠限制扩散模型遗忘
You Can't Have It Both Ways: Concept Entanglement Limits Diffusion Model Unlearning
2026 年 8 月
2026 年 7 月
2026 年 3 月
- 大语言模型越狱攻击的系统性扩展分析
Systematic Scaling Analysis of Jailbreak Attacks in Large Language Models
2026 年 2 月
2025 年 12 月
- 擦除幻觉：压力测试大语言模型遗忘评估的泛化性
The Erasure Illusion: Stress-Testing the Generalization of LLM Forgetting Evaluation
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。