大模型对齐与安全

CTIGuardian: A Few-Shot Framework for Mitigating Privacy Leakage in Fine-Tuned LLMs

CTIGuardian：一种缓解微调大语言模型隐私泄露的少样本框架

Shashie Dilhara Batan Arachchige, Benjamin Zi Hao Zhao, Hassan Jameel Asghar, Dinusha Vatsalan, Dali Kaafar

专题命中 隐私与版权 ：alignment(abstract)；safety(abstract)；分类 cs.AI、cs.LG

AI总结 CTIGuardian通过少样本监督整合隐私分类器和红员，提升微调大语言模型的隐私保护与效用平衡。

Comments Accepted at the 18th Cybersecurity Experimentation and Test Workshop (CSET), in conjunction with ACSAC 2025

Journal ref 2025 Annual Computer Security Applications Conference Workshops (ACSAC Workshops), Honolulu, HI, USA, 2025, pp. 510-522

You Told Me to Do It: Measuring Instructional Text-induced Private Data Leakage in LLM Agents

你让我这么做：测量LLM代理中指令文本诱导的私有数据泄露

Ching-Yu Kao, Xinfeng Li, Shenyu Dai, Tianze Qiu, Pengcheng Zhou, Eric Hanchen Jiang, Philip Sperl

专题命中 隐私与版权 ：safety(abstract)；分类 cs.AI

AI总结 研究发现LLM代理在处理嵌入文档指令时存在安全漏洞，导致高比例的数据泄露，且现有防御措施无法有效检测此类攻击。

Comments 14 pages

Silent Speech Interfaces in the Era of Large Language Models: A Comprehensive Taxonomy and Systematic Review

在大语言模型时代的大声接口：全面的分类法和系统性综述

Kele Xu, Yifan Wang, Ming Feng, Qisheng Xu, Wuyang Chen, Yutao Dou, Cheng Yang, Huaimin Wang

专题命中 隐私与版权 ：alignment(abstract)

AI总结 本文综述了在大语言模型时代无声语音接口的发展，探讨了从传统传感器到意图执行的分类法，分析了生物信号处理的转变，并提出了未来发展方向和伦理边界。

Comments 20 pages, 4 figures

AI Chatbots or Human Therapists? Belief-Based Predictors of Mental Health Help-Seeking Intentions in the Age of Generative AI

人工智能聊天机器人还是人类治疗师？在生成式人工智能时代的基于信念的心理健康求助意图预测

Junsang Park, Sarah Brown, David L. Vogel, Nan Zhao, Sharon Lynn Chu

专题命中 隐私与版权 ：trustworthy(abstract)

AI总结 本研究探讨了生成式人工智能时代人们在使用AI聊天机器人和人类治疗师之间的选择，发现人际支持和经济因素影响求助意图。

Comments v2: Corrected analysis; updated results, introduction, and discussion accordingly