大模型对齐与安全

Prompt Optimization for User Simulation in Conversational Recommender Systems: A Multi-Objective Framework

对话推荐系统中用户模拟的提示优化：一个多目标框架

Nipun B Nair, Tongtong Wu, Weiqing Wang

机构 * Monash University（莫纳什大学） 纠错

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

AI总结 提出多目标框架自动优化LLM提示，以生成更真实、多样化的用户模拟行为，缓解对话推荐系统中的评估与数据获取难题。

Comments to be published in 2026 IEEE 42nd International Conference on Data Engineering Workshops (ICDEW)

Superior resilience to poisoning and amenability to unlearning in quantum machine learning

在量子机器学习中对污染的优越鲁棒性和可卸载性

Yu-Qin Chen, Shi-Xin Zhang

机构 * Graduate School of China Academy of Engineering Physics（中国工程物理研究院研究生院） ； Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所） 纠错

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

AI总结 本文通过对比经典和量子神经网络在经典和量子数据上的表现，揭示了两者在数据污染下的根本差异，发现量子模型具有更强的鲁棒性，且更易通过近似卸载方法实现高效遗忘。

Comments 9 pages, 4 figures with references and supplemental materials

Journal ref Nature Communications 17, 3716 (2026)

Toward a Unified Security and Privacy Framework for AI-Native 6G Networks

面向AI原生6G网络的统一安全与隐私框架

Bidushi Barua, Ahsan Khan, Kangfeng Ye, Panagiotis Papanastasiou, Yifan Liu, Mohit Bidikar, Anthony Moulds, Julie McCann, Poonam Yadav

专题命中 隐私与版权 ：trustworthy(abstract)

AI总结 针对AI原生6G网络中安全与隐私的碎片化问题，提出跨层威胁分类与统一框架，分析关键技术威胁并映射对策，为可信6G系统提供基础。

Attribute-Prompted Kernel Hashing for Unsupervised Data-Efficient Cross-Modal Retrieval

属性提示核哈希用于无监督数据高效跨模态检索

Runhao Li, Xiaoxu Ma, Zhenyu Weng, Yue Zhang, Guibo Luo, Huiping Zhuang, Zhiping Lin, Yap-Peng Tan

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； VinUniversity 纠错

专题命中 隐私与版权 ：alignment(abstract)

AI总结 提出属性提示核哈希（APKH），利用视觉-语言基础模型的广义属性先验，通过上下文优化属性核映射和核平滑对比对齐，在数据受限场景下实现从可见到不可见类别的跨模态检索。