MEReQ: Max-Ent Residual-Q Inverse RL for Sample-Efficient Alignment from Intervention
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI、cs.LG
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
Comments Main Text: 2943; Abstract: 256; Tables and Figures: 5
机构 * Data and Web Science Group, University of Mannheim(曼海姆大学数据与网络科学组) ; Vision and AI Lab, Indian Institute of Science(印度科学院视觉与人工智能实验室) ; Carnegie Mellon University(卡内基梅隆大学) ; Max-Planck-Institute for Informatics, Saarland Informatics Campus(马克斯·普朗克信息研究所,萨尔兰信息校园)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.LG
Comments Accepted at NeurIPS 2025 bWorkshop Lock-LLM. *Equal Contribution
机构 * DATA Consortium and FARAD Program, Kansas State University, Olathe, KS, USA(1DATA Consortium和FARAD计划,堪萨斯州立大学) ; Department of Computer Science, Kansas State University, Manhattan, KS, USA(计算机科学系,堪萨斯州立大学) ; Department of Statistics, Kansas State University, Manhattan, KS, USA(统计学系,堪萨斯州立大学) ; Department of Mathematics, Kansas State University, Olathe, KS, USA(数学系,堪萨斯州立大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
机构 * A2I2 ; Deakin University(德肯大学) ; School of IT(信息学院)
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI、cs.LG
机构 * School of Electrical, and Computer Engineering, University of Oklahoma(电气与计算机工程学院,俄克拉荷马大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
机构 * Microsoft Research(微软研究院) ; KAIST(韩国科学技术院) ; KAUST(韩国科学技术大学) ; Université de Montréal(蒙特利尔大学) ; Mila(蒙特利尔人工智能研究院) ; WhiteBox(WhiteBox公司) ; University of Oxford(牛津大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
机构 * Boston University(波士顿大学) ; Massachusetts Institute of Technology(麻省理工学院)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.CY
Comments 9 pages, published in proceedings of International Conference on Artificial Intelligence in Education (AIED) 2025: Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners, Doctoral Consortium, Blue Sky, and WideAIED
Journal ref Communications in Computer and Information Science (2025) vol 2590, pp. 129-136
机构 * Zhejiang University(浙江大学) ; Xiamen University(厦门大学) ; Shanghai Jiao Tong University(上海交通大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
机构 * Colorado State University, USA(科罗拉多州立大学) ; University of York, UK(约克大学) ; Carnegie Mellon University, USA(卡内基梅隆大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
Comments 32 pages; Equal contribution by W. Scarbro and C. Imrie; Accepted at 25th International Conference on Runtime Verification, 2025 (RV25)
专题命中 安全训练 :safety(title,abstract);分类 cs.CY、cs.LG
Comments 9 pages plus appendix
机构 * Department of Computer Science, University of York(约克大学计算机科学系)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
机构 * Peking University(北京大学) ; University of California, Los Angeles(加州大学洛杉矶分校) ; Team CraftJarvis(CraftJarvis团队)
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI、cs.LG
机构 * Shanghai AI Laboratory(上海人工智能实验室) ; Fudan University(复旦大学)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
机构 * McGill University(麦吉尔大学) ; Mila - Quebec AI Institute(魁北克人工智能研究所)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.CY
Comments NAACL Main Conference 2025 - Accepted as an Oral
机构 * Renmin University of China(中国人民大学) ; Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Chinese University of Hong Kong(香港中文大学) ; Johns Hopkins University(约翰霍普金斯大学) ; Hong Kong University of Science and Technology(香港科技大学) ; Tencent(腾讯)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
Comments Accepted by ACL 2025
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
Comments ICML 2025 (Spotlight)
机构 * Galois, Inc.(Galois公司) ; University of Colorado Boulder(科罗拉多大学波德摩尔分校) ; Air Force Research Laboratory(空军研究实验室)
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
Comments 17 pages, 10 figures
机构 * NVIDIA Santa Clara, CA(NVIDIA圣克拉拉分校)
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
Comments Accepted by ACL 2025 main
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
Comments CVPR 2025
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.CY
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.LG
Comments ICLR 2025
专题命中 安全训练 :alignment(title,abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.CL、cs.AI
专题命中 安全训练 :alignment(title,abstract);分类 cs.CL、cs.CY
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(title,abstract);分类 cs.AI、cs.CY