扫描记录
11月18日已载入 40 条
- 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 安全论文你刚才看的这条
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- EGS:面向教育 LLM 的补充性安全框架
论文arXiv:其他 AI 安全论文
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- “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
- 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
- DarkRange 称 n8n MCP OAuth 存在零点击开放重定向漏洞
新闻DarkRange事件
- 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