扫描记录
11月16日已载入 40 条
- 系统安全性只与最弱智能体相当:一种仅在多智能体系统中出现的攻击
论文arXiv:其他 AI 安全论文你刚才看的这条
- 推下山:框架效应与内部状态干预对长程 LLM 智能体合谋行为的影响
论文arXiv:其他 AI 安全论文
- 对抗性跟踪:针对自动驾驶车辆目标跟踪图像传感器的攻击
论文arXiv:其他 AI 安全论文
- Unfinished-Bench:测量持久智能体在真实工作环境中的规则违反行为
论文arXiv:其他 AI 安全论文
- 基于进化迁移学习的端到端自编码器通信物理攻击
论文arXiv:其他 AI 安全论文
- Google Project Zero 将分阶段缩短漏洞披露期限:2027 年起 60 天,2028 年起 30 天
新闻iThome(台湾)治理
- 纽约时报:Lutnick家族企业与马来西亚数据中心关系引利益冲突质疑
新闻Seoul Economic Daily治理
- 中国高考作弊最高可判7年监禁,考试期间暂停AI解题功能
新闻Seoul Economic Daily事件
- 韩国税务师考试最高分考生承认用微型摄像头和生成式AI作弊并自首
新闻Financial News Korea事件
- AI 作弊疑虑蔓延,韩国多场国家级考试出现核验高分考生的呼声
新闻ChosunBiz事件
- 韩国总理要求研究在高考考场关闭 Wi-Fi 以防 AI 作弊
新闻Yonhap事件
- 印度官员称印度对AI威胁的担忧低于美国
新闻SemaforAI 动态
- 台湾数位发展部副部长谈黄仁勋丑闻:“我们感到难过”
新闻Semafor治理
- 一种基于显式约束空间的可泛化安全感知机器人行为规划方法
论文arXiv
- 可适配水印:通过轻量级适配器转换图像水印模型
论文arXiv
- VLAN:视觉语言无障碍导航
论文arXiv
- 从设计上保障多智能体系统安全
论文arXiv
- 不透明串行深度的一种操作化定义
论文arXiv
- 超越基于攻击的准确率:通过结构梯度对齐重新思考对抗鲁棒性评估
论文arXiv
- 将遗忘与效用解耦:基于正交零空间投影的轻量级 LLM 遗忘
论文arXiv:越狱、提示注入、投毒与防御
- Abliteration 变难了吗?并非一致:在 Heretic 中以基于方向的消融与 ARA 对 Qwen3.8、Gemma 4、Olmo 3.1 和 Mistral Small 3.2 LLM 及其前代进行拒答移除
论文arXiv:越狱、提示注入、投毒与防御
- 通过输入优化构造 steering vector
论文arXiv:越狱、提示注入、投毒与防御
- 基于 Reflect-Reasoning 的对齐:学习如何遵循原则
论文arXiv:越狱、提示注入、投毒与防御
- FT Lex 评论:出版商有能力与大型科技公司强硬博弈
新闻Financial Times · 人工智能AI 动态
- 英伟达前掌门人黄仁勋黯然下台,冲击“开放”模型,Anthropic 与 OpenAI 受益
新闻Financial Times · 人工智能AI 动态
- 韩国警方集中打击网络性暴力抓获3430人,1至10月深度伪造性犯罪案同比减26.6%
新闻한겨레事件
- 日本拟规制 AI 复制名人声音与肖像的擅自商业利用
新闻국민기자뉴스治理
- OpenAI 基金会董事称 AI 事故将成人类最可能死因,警告 AI 失控
新闻世界日报(세계일보)观点
- 美国商务部长卢特尼克据报放行AI芯片及提倡宽松规管 或涉家族企业东南亚利益
新闻香港01治理
- 韩国税务师协会称实习税务师实务培训将引入无AI帮助评估
新闻Financial News Korea事件
- 网帖自称用AI作弊考入医学院,韩国高考前焦虑升温
新闻SBS事件
- 韩国警方就税务师考试状元AI作弊案扣押微型摄像头等设备,预计很快传唤
新闻SBS事件
- 韩国政府将组建跨部门应急团队防范大学修学能力考试 AI 作弊
新闻Korea JoongAng Daily事件
- 匿名网友发帖自称早在2024年就在韩国高考Suneung用AI作弊,引发推迟考试呼声
新闻The Korea Herald事件
- 美联储金融稳定报告预警AI相关风险:用于数据中心建设的远期租赁与兜底担保规模已达约3万亿美元
新闻澎湃新闻 · 检索「AI风险」AI 动态
- 美国国务院负责经济事务的副国务卿Jacob Helberg称,政府需更好地向公众说明AI的好处
新闻SemaforAI 动态
- LessWrong 用户携家人参加波士顿 AI 抗议,呼吁监管 AI
新闻LessWrong治理
- LLM 能写后门吗?权重空间编程的实证安全研究
论文arXiv
- 二值化作为无权重神经网络的攻击面
论文arXiv:其他 AI 安全论文
- LLM 易受意图难以分辨的恶意请求攻击
论文arXiv:越狱、提示注入、投毒与防御