大模型对齐与安全

OmniCompliance-100K: A Multi-Domain, Rule-Grounded, Real-World Safety Compliance Dataset

OmniCompliance-100K：一个多领域、基于规则、现实世界安全合规数据集

Wenbin Hu, Huihao Jing, Haochen Shi, Changxuan Fan, Haoran Li, Yangqiu Song

机构 * Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 隐私与版权 ：safety(title,abstract)；alignment(abstract)；分类 cs.CL

AI总结 本文构建了一个涵盖74项法规的多领域安全合规数据集，包含12,985条规则和106,009个现实案例，通过基准测试评估了不同规模LLM的安全合规能力。

Comments Accepted to ACL 2026 Findings

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation

联邦用户行为建模用于隐私保护的大语言模型推荐

Lei Guo, Hongyun Yang, Pengjie Ren, Tong Chen, Hui Liu, Zhumin Chen

专题命中 隐私与版权 ：alignment(abstract,abstract_cn)

AI总结 本文提出SF-UBM方法，通过语义增强的联邦架构解决跨域推荐中隐私保护问题，整合多模态数据并融合协同过滤信号，提升LLM推荐效果。

SynHAT: A Two-stage Coarse-to-Fine Diffusion Framework for Synthesizing Human Activity Traces

SynHAT：一种两阶段粗到细的扩散框架用于合成人类活动轨迹

Rongchao Xu, Lin Jiang, Dahai Yu, Ximiao Li, Guang Wang

机构 * Florida State University（佛罗里达州立大学） 纠错

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

AI总结 SynHAT通过粗到细的扩散框架解决人类活动轨迹合成中的复杂时空依赖和计算效率问题，提升数据真实性与隐私保护。