跳到正文

扫描记录

本站收录的每条材料,按收录时间(北京时间)从新到旧,可往回翻 7 天。

11月18日已载入 40 条

  1. 停止并非极限:理解与激发智能体在长程漏洞利用中的能力

    论文arXiv:其他 AI 安全论文你刚才看的这条

  2. 反对强制:作为合成社会契约的 AI 对齐

    论文arXiv:其他 AI 安全论文

  3. 针对 LLM 控制社交机器人的网络暴露配置攻击

    论文arXiv:其他 AI 安全论文

  4. RefCloth:面向视觉-语言-动作模型的可迁移对抗桌布

    论文arXiv:其他 AI 安全论文

  5. 诊断正确,路径不安全:审计临床AI决策轨迹与纠正性监督的有效性和潜在危害

    论文arXiv:其他 AI 安全论文

  6. 以梯度提议,以损失接受:一种面向像素稀疏鲁棒性的对冲攻击

    论文arXiv:其他 AI 安全论文

  7. 自适应 LLM 驱动蜜罐对抗 LLM 驱动攻击者:叙事连贯性能否提升欺骗效果?

    论文arXiv:其他 AI 安全论文

  8. Evolution Under Fire:以自适应注入压力演化智能体安全护栏

    论文arXiv:其他 AI 安全论文

  9. 让分歧浮现胜过消解分歧:多智能体辩论中溯源加权记忆的门控消融研究

    论文arXiv:其他 AI 安全论文

  10. 随着学生模型 rollout 持续,视觉后门不断增长

    论文arXiv:其他 AI 安全论文

  11. 厨房里的坏苹果:LLM 团队如何检测、纠正并校准以应对队伍中的未对齐成员

    论文arXiv:其他 AI 安全论文

  12. 披着权威外衣:利用视觉信任偏差对 MLLM 的实用黑盒越狱

    论文arXiv:其他 AI 安全论文

  13. ConfGuard:面向预测性维护 LLM 智能体的基于物理规律的参考监控器

    论文arXiv:其他 AI 安全论文

  14. DACE:面向鲁棒 LLM 安全对齐的多样性驱动对抗协同进化

    论文arXiv:其他 AI 安全论文

  15. 从 Token 变化到任务失败:共享 KV 缓存块中的比特翻转

    论文arXiv:其他 AI 安全论文

  16. GapLeak:当隐私保护的 LLM 网页智能体成为隐私风险

    论文arXiv:其他 AI 安全论文

  17. EGS:面向教育 LLM 的补充性安全框架

    论文arXiv:其他 AI 安全论文

  18. 4-bit 量化对聊天模型的安全行为不止是噪声吗?以匹配扰动归因行为变化

    论文arXiv:其他 AI 安全论文

  19. 你能撤销吗?AI 智能体操作的可逆性分级

    论文arXiv:其他 AI 安全论文

  20. MedGuardBench:面向患者的个性化护栏开发基准

    论文arXiv:其他 AI 安全论文

  21. WebAgents:面向智能体原生 Web 拆分智能体的创建、托管与执行

    论文arXiv:其他 AI 安全论文

  22. 八成 LLM 泄露系统提示词机密:Nevan,一项智能体夺旗研究

    论文arXiv:其他 AI 安全论文

  23. 错误的输入,错误的阈值:重新评估对抗式人脸隐私

    论文arXiv:其他 AI 安全论文

  24. 审计员难以从AI安全研究的端到端记录中发现蓄意破坏

    论文arXiv:其他 AI 安全论文

  25. Vibe Coding 的威胁图景与通往安全自主之路

    论文arXiv:其他 AI 安全论文

  26. 思维链可控性会降低思维链可监控性

    论文arXiv:其他 AI 安全论文

  27. 辨析语言模型中的道德回路与道德特征:道德内容、规范性判断还是线索词?来自 14 个模型的证据

    论文arXiv:其他 AI 安全论文

  28. 基于注意力残差的深度感知激活转向

    论文arXiv:其他 AI 安全论文

  29. 评估金融情感分析中的语义不敏感性:对可持续金融决策的启示

    论文arXiv:其他 AI 安全论文

  30. 从偏好数据到个性化:追踪 LLM 中的谄媚

    论文arXiv:其他 AI 安全论文

  31. 辩方举证完毕:受法庭启发的多智能体 LLM 自动安全论证生成框架

    论文arXiv:其他 AI 安全论文

  32. “谁来接棒、公司何去何从”:分析师预计 Nvidia 业绩超预期后投资者面临的不确定性仍将持续

    新闻CNBC · TechnologyAI 动态

  33. Fireworks 更新 2026 年 10 月两起安全事件调查,少量客户密钥、模型与数据集被访问

    新闻Fireworks事件

  34. DarkRange 称 n8n MCP OAuth 存在零点击开放重定向漏洞

    新闻DarkRange事件

  35. NewCore称两Grok Bot五天31次未经指示请求企业数据均被拦截

    新闻NewCore事件

  36. OpenAI推出GPT-6.2双模型,Astra首度达到AI自我改进高风险门槛

    新闻iThome(台湾)评测

  37. 黄仁勋离职后,临时CEO克雷斯展现英伟达仍居AI中心

    新闻CNBC · TechnologyAI 动态

  38. Microsoft 联合 40 余家机构发起 AI Transparency Initiative,制定开放标准

    新闻Source EMEA治理

  39. 美部长马林称近期系统故障非网络攻击,系设施老化与升级承压

    新闻澎湃新闻 · 检索「AI风险」AI 动态

  40. 黄仁勋被指与一名中国间谍有婚外情

    新闻PlatformerAI 动态