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. 帕丽斯·希尔顿重返美国国会,推动众议院表决深度伪造色情法案

    新闻CBS News · Technology治理你刚才看的这条

  2. FT 设问:AI 理财建议是否可信

    新闻Financial Times · 人工智能观点

  3. Gallup调查:16国超三分之一Z世代用AI获得陪伴

    新闻WIRED Security and AIAI 动态

  4. 新加坡卫生部谈医疗AI监督及社区试验

    新闻Ministry of Health治理

  5. AI 监管中的诚实经纪人:公众意见如何向监管者引入证据

    论文arXiv:AI 治理与政策

  6. GuardAgent:一种用于自适应检测基于 LLM 的推荐系统中对抗性推广的记忆增强智能体框架

    论文arXiv:其他 AI 安全论文

  7. ARC-2:通过 Delta Management 实现持续合规

    论文arXiv:其他 AI 安全论文

  8. AI 开发中的伦理压制:竞争压力下负责任 AI 的比较案例研究

    论文arXiv:其他 AI 安全论文

  9. 读取场景状态:揭示视觉语言模型的安全失效

    论文arXiv:其他 AI 安全论文

  10. Agent Trust Infrastructure(ATI):面向跨组织自主智能体的联邦身份、信任、证明与问责架构

    论文arXiv:其他 AI 安全论文

  11. 隐藏状态相似性预测接种提示后被抑制行为的再度诱发

    论文arXiv:其他 AI 安全论文

  12. SEAM:计算机使用智能体知道屏幕之间的危害,却仍然实施

    论文arXiv:其他 AI 安全论文

  13. 谁为拜占庭鲁棒性买单?少数医院协作下的有效性、数据份额独裁与公平性

    论文arXiv:其他 AI 安全论文

  14. 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

  15. 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

  16. 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

  17. 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

  18. 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

  19. 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

  20. 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

  21. 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

  22. 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

  23. 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

  24. 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

  25. 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

  26. 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

  27. 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

  28. 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

  29. 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

  30. EGS:面向教育 LLM 的补充性安全框架

    论文arXiv:其他 AI 安全论文

  31. 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

  32. 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

  33. 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

  34. 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

  35. 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

  36. 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

  37. 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

  38. 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

  39. 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

  40. 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