近 12 个月9 篇
评测与基准 3攻击 2分析与理论 1
最近一年的 AI 安全论文
本站共收录 15 篇2026 年 9 月
- 研究者提出 Controlled Decoding Attacks，通过纯文本接口越狱黑盒 LLM
Controlled Decoding Attacks on Black-Box LLMs
2026 年 6 月
- SpecAlign：通过合成数据实现基于规范的大语言模型高效对齐
SpecAlign: Efficient Specification-Grounded Alignment of Large Language Models via Synthetic Data
2026 年 5 月
2026 年 4 月
- 无需攻击者：共享状态 LLM Agent 中的无意跨用户污染
No Attacker Needed: Unintentional Cross-User Contamination in Shared-State LLM Agents
2026 年 2 月
- RAG 知识提取攻击与防御的基准测试
Benchmarking Knowledge-Extraction Attack and Defense on Retrieval-Augmented Generation
2026 年 1 月
- 「有人把它藏起来了」：针对 LLM 检索的查询无关黑盒攻击
"Someone Hid It": Query-Agnostic Black-Box Attacks on LLM-Based Retrieval
2025 年 11 月
- 针对图基础模型的模型提取攻击系统性研究
A Systematic Study of Model Extraction Attacks on Graph Foundation Models
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。