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16日已载入 40 条

  1. 英国上议院报告:政府自满,英国暴露于多重危机威胁之下

    新闻The Guardian · 人工智能治理你刚才看的这条

  2. 指导LLM控制的助理机器人的基本与道德价值观个性化

    论文arXiv:其他 AI 安全论文

  3. 通过社会化实现对齐:选择压力下的权衡学习

    论文arXiv:其他 AI 安全论文

  4. 机制可解释性能否帮助解释 LLM 智能体失败?网页元素幻觉案例研究

    论文arXiv:其他 AI 安全论文

  5. TradeGauntlet:评估自主交易智能体的合规控制

    论文arXiv:其他 AI 安全论文

  6. 在义务与证据之间:将欧盟《人工智能法案》转化为技术要求的参与式研究

    论文arXiv:其他 AI 安全论文

  7. 基于防御性变分自编码器的因果 AI 驱动安全毫米波波束对齐

    论文arXiv:其他 AI 安全论文

  8. 正确的Token,正确的时机:从逐Token门控到轨迹感知的激活转向

    论文arXiv:其他 AI 安全论文

  9. 从字节到行为:来自运行中 GPU 隐藏状态的请求级归因

    论文arXiv:其他 AI 安全论文

  10. LLM 将人工智能的生存风险定为 10%

    论文arXiv:其他 AI 安全论文

  11. 忘掉谱系:面向 LLM 智能体记忆的前向安全、谱系完备密码学擦除

    论文arXiv:其他 AI 安全论文

  12. 推理模型会虚构解释以捍卫关于自身请求的被注入信念

    论文arXiv:其他 AI 安全论文

  13. 对 LLM 规划器中符号词汇漏洞的对抗攻击

    论文arXiv:其他 AI 安全论文

  14. 嵌入中的裂缝:基于 JEPA 的胸部 X 光表征的鲁棒性与稳定性

    论文arXiv:其他 AI 安全论文

  15. Soteria:面向安全 LLM 智能体的形式化验证规划与运行时强制执行

    论文arXiv:其他 AI 安全论文

  16. 抗蒸馏很便宜:通过风格破坏实现轻量级蒸馏抵抗

    论文arXiv:其他 AI 安全论文

  17. 审计聊天机器人对专业法律执业领域的侵入

    论文arXiv:其他 AI 安全论文

  18. 预防性人格转向的安全副作用:一项实证审计

    论文arXiv:其他 AI 安全论文

  19. 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

  20. 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

  21. 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

  22. 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

  23. 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

  24. 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

  25. 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

  26. 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

  27. 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

  28. 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

  29. 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

  30. 印度官员称印度对AI威胁的担忧低于美国

    新闻SemaforAI 动态

  31. 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

  32. 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

  33. 可适配水印:通过轻量级适配器转换图像水印模型

    论文arXiv

  34. VLAN:视觉语言无障碍导航

    论文arXiv

  35. 从设计上保障多智能体系统安全

    论文arXiv

  36. 不透明串行深度的一种操作化定义

    论文arXiv

  37. 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

  38. 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

  39. 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

  40. 通过输入优化构造 steering vector

    论文arXiv:越狱、提示注入、投毒与防御