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。

昨天 · 11月19日已载入 40 条

  1. PIPETTE:面向鲁棒 LLM 智能体的提示注入紫队测试

    论文arXiv:其他 AI 安全论文你刚才看的这条

  2. 权重空间编程能否改变模型习得的伦理优先级?

    论文arXiv:其他 AI 安全论文

  3. AutoPI:分类法引导的 LLM 智能体提示注入自适应红队测试

    论文arXiv:其他 AI 安全论文

  4. 当洗牌失效时:从被混淆的 KV 缓存中恢复 token

    论文arXiv:其他 AI 安全论文

  5. 从文本到像素的转变中什么得以幸存?渲染为图像的文档中对提示注入的条件性保护

    论文arXiv:其他 AI 安全论文

  6. 学习协调:面向 token 高效红队测试的 LLM 引导工作流演化

    论文arXiv:其他 AI 安全论文

  7. 在计算的 AI 王朝中守护技能型智能体王国:智能体技能的控制流完整性

    论文arXiv:其他 AI 安全论文

  8. VESPA:面向安全强化学习的可验证符号策略自适应

    论文arXiv:其他 AI 安全论文

  9. 意图契约:把工具从智能体手中拿走

    论文arXiv:其他 AI 安全论文

  10. SCAFFOLD:迈向可复用 LLM 智能体技能的凭证保全式证据迁移

    论文arXiv:其他 AI 安全论文

  11. 决策模型何时能帮助 LLM 驱动的网络发现?

    论文arXiv:其他 AI 安全论文

  12. 对固定线性擦除的秩一绕过

    论文arXiv:其他 AI 安全论文

  13. 称量信封:单个 LLM 智能体信封层防御中的组件权重与仲裁

    论文arXiv:其他 AI 安全论文

  14. DetectViT:基于头间注意力差异的 Vision Transformer 测试时后门检测

    论文arXiv:其他 AI 安全论文

  15. 针对本地差分隐私三角形计数协议的数据投毒攻击

    论文arXiv:其他 AI 安全论文

  16. Safe Personal RSI:评估与修复个人智能体更新

    论文arXiv:其他 AI 安全论文

  17. ACaM:面向智能体安全的自动化能力建模

    论文arXiv:其他 AI 安全论文

  18. 训练语言模型进行内省监督

    论文arXiv:其他 AI 安全论文

  19. TRACE-MAS:诊断与修复多智能体系统中的协作失败

    论文arXiv:其他 AI 安全论文

  20. 长程 LLM 智能体的安全防护与审计:智能体 Harness 中的状态转移审计与控制

    论文arXiv:其他 AI 安全论文

  21. 能力不对称下人类与 AI 的互利关系不稳定

    论文arXiv:其他 AI 安全论文

  22. YUL:将软件供应链安全引入编码智能体

    论文arXiv:其他 AI 安全论文

  23. 检查智能体工具的重试透明性

    论文arXiv:其他 AI 安全论文

  24. 谁改动了 AI 智能体的规则?度量 AI 编码智能体如何在 CI/CD 流水线中扩张权限

    论文arXiv:其他 AI 安全论文

  25. 智能体原生应用:一种新的应用范式

    论文arXiv:其他 AI 安全论文

  26. 腾讯 AI-Infra-Guard v4.6.11 发布:新增 CoTInjection 提示词安全算子

    新闻腾讯 AI-Infra-Guard 版本发布工具

  27. 奥特曼称OpenAI暂不推进无监督递归自我改进,已请四家机构驻场安全评估

    新闻公众号 新智元治理

  28. Anthropic今晚纳斯达克上市:募资813亿美元,近90位学者发联名信反对

    新闻公众号 新智元AI 动态

  29. Claude Fable 5.2在具身机器人评测的391个核心任务上开卷解出80%,闭卷仅47%

    新闻公众号 新智元AI 动态

  30. 安全厂商揭露ARTEX攻击应变过程,AI智能体取得API密钥后几分钟内发动攻击,防守方用AI加速调查

    新闻iThome(台湾)事件

  31. 巴西众议院 PL 5792/2025 提案拟用 AI 自动审计政府采购招标与合同

    新闻巴西众议院治理

  32. Anthropic IPO定价83美元/股,路透称认购需求达发行量数倍

    新闻公众号 机器之心AI 动态

  33. Headwaters披露AI代码防御内部实践:全面启用Claude Security,推进推理型安全

    新闻プレスリリース・ニュースリリース配信シェアNo.1|PR TIMES工具

  34. 日本提出日东盟AI安全评测合作框架

    新闻Ministry of Foreign Affairs of Japan治理

  35. Google升级Gemini Tasks,在美国率先推出AI代打电话、购物付款功能,首度开放免费使用

    新闻iThome(台湾)AI 动态

  36. 分辨率假说:智能体进化的关键在于识别改进

    论文Hugging Face Daily Papers

  37. 让样本齐声合唱:通过跨视角共识缓解虚假相关性

    论文Hugging Face Daily Papers

  38. Anthropic IPO定价83美元,总募资超940亿美元破纪录

    新闻公众号 量子位AI 动态

  39. 加拿大政府AI登记册公众咨询意见汇总:参与者肯定透明度,建议改进易用性

    新闻IRCC治理

  40. 前NSC主任托宾称Nvidia影响出口管制执法属监管俘获

    XX @themidasproj治理