大模型对齐与安全

Machine Unlearning in the Era of Quantum Machine Learning: An Empirical Study

量子机器学习时代的机器反学习：一项实证研究

Carla Crivoi, Radu Tudor Ionescu

机构 * University of Bucharest, Romania（布加勒斯特大学（罗马尼亚）） 纠错

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

AI总结 本文研究了量子混合神经网络中机器反学习的行为，发现量子模型能有效支持反学习，但结果依赖于电路深度、纠缠结构和任务复杂性。

Comments Accepted at ICPR 2026

Security Concerns in Generative AI Coding Assistants: Insights from Online Discussions on GitHub Copilot

生成式AI代码助手的安全问题：来自GitHub Copilot在线讨论的洞察

Nicolás E. Díaz Ferreyra, Monika Swetha Gurupathi, Zadia Codabux, Nalin Arachchilage, Riccardo Scandariato

专题命中 隐私与版权 ：prompt injection(abstract)

AI总结 研究分析开发者在公共论坛中提出的安全问题，识别出数据泄露、代码授权、对抗攻击和不安全代码建议等四大安全关切，揭示生成式AI在软件工程中的局限性与权衡。

Comments Accepted for publication at EASE '26 Companion

Foundation Models Defining A New Era In Sensor-based Human Activity Recognition: A Survey And Outlook

基于传感器的人类活动识别的基石模型：一种综述与展望

Sizhen Bian, Mengxi Liu, Lala Shakti Swarup Ray, Bo Zhou, Bin Guo, Zhiwen Yu, Thomas Ploetz, Paul Lukowicz, Siyu Yuan, Vitor Fortes Rey

专题命中 隐私与版权 ：alignment(abstract)

AI总结 本文综述了基于传感器的人类活动识别中的基石模型，分析了九种技术轴上的设计模式与权衡，并探讨了数据整理、多模态对齐、个性化、隐私和负责任部署等开放挑战。