When Smiley Turns Hostile: Interpreting How Emojis Trigger LLMs' Toxicity
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL
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 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL
机构 * Northeastern University(东北大学) ; Stevens Institute of Technology(斯蒂文斯理工学院)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.LG
Comments Published at ICLR 2025
机构 * National University of Defense and Technology(国防科技大学) ; Inner Mongolia University(内蒙古大学)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
Comments 18 pages, EMNLP 2025 Main Conference
机构 * Nanyang Technological University(南洋理工大学) ; Institute of High Performance Computing(高性能计算研究所) ; Agency for Science, Technology and Research(科技研究局)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL
机构 * MIPT(莫斯科国立信息安全学院) ; Sberbank(俄罗斯储蓄银行) ; AIRI(人工智能研究机构) ; MTUCI(莫斯科联邦大学) ; ISP RAS(俄罗斯科学院信息与通信技术研究所) ; Cadi Ayyad University(卡迪·艾亚德大学)
专题命中 越狱攻击 :alignment(abstract);jailbreak(abstract);分类 cs.CL
Comments 9 pages, 1 figure; article under review
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
机构 * CMU(卡内基梅隆大学)
专题命中 越狱攻击 :alignment(abstract);jailbreak(abstract);分类 cs.AI
Comments 10 pages, 1 figure
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
Comments 15 pages
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom, China(人工智能研究院(TeleAI),中国电信,中国) ; Northwestern Polytechnical University(西北工业大学) ; China Telecom, China(中国电信,中国)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
Comments 10 pages, 4 figures
机构 * Zixuan Chen(陈子轩) ; Weikai Lu(卢伟凯) ; Xin Lin(林鑫) ; Ziqian Zeng(曾子谦)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
Comments Accepted by ACL2025
机构 * Sea AI Lab, Singapore(新加坡海智实验室) ; Carnegie Mellon University(卡内基梅隆大学)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL
Comments ICML 2025
机构 * ETH Zürich(苏黎世联邦理工学院) ; University of Cambridge(剑桥大学)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.LG
机构 * Compumacy for Artificial Intelligence Solutions(人工智能解决方案公司) ; Electrical and Computer Engineering Department, George Mason University(乔治·马歇尔大学电气与计算机工程系) ; School of Electronics, Electrical Engineering and Computer Sciences, Queen’s University Belfast(女王大学贝尔法斯特电子、电气与计算机科学学院)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
Comments This work has been published in GLSVLSI 2025
机构 * msft(微软)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.CL
Comments Accepted by ACL 2025 Findings
机构 * Department of Computer Science, University of Luxembourg(卢森堡大学计算机科学系)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
Comments 26 pages, 1 figure
机构 * Research Institute for Future Medicine, Samsung Medical Center(未来医学研究所,三星医疗中心) ; Department of Digital Health, SAIHST, Sungkyunkwan University(数字健康系,SAIHST,成均馆大学) ; Department of Medical Device Management and Research, SAIHST, Sungkyunkwan University(医疗设备管理与研究系,SAIHST,成均馆大学) ; Department of Emergency Medicine, Samsung Medical Center(急诊医学系,三星医疗中心)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
机构 * Department of Mathematics University of Toronto(数学系多伦多大学)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
Comments 10 pages, 2 figures, 3 tables
机构 * New York University(纽约大学) ; École Polytechnique Fédérale de Lausanne(瑞士联邦理工学院)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
机构 * University of Würzburg(乌尔姆大学)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.LG
Comments 26 pages, 25 tables, 13 figures, 2 algorithms, to appear in the 43th USENIX Security Symposium (USENIX Security 2025)
专题命中 越狱攻击 :prompt injection(abstract);trustworthy(abstract);分类 cs.AI
机构 * School of Computing, Macquarie University(计算机学院,麦考瑞大学)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.CL
Comments Preprint
机构 * Monash University(莫纳什大学) ; University of Auckland(奥克兰大学) ; Royal Melbourne Institute of Technology(皇家墨尔本理工学院) ; Joint Research Centre at the European Commission(欧洲委员会联合研究中心)
专题命中 越狱攻击 :alignment(abstract);trustworthy(abstract);分类 cs.CL
Comments 24 pages, 5 tables, 9 figures, Camera-ready version accepted to FSE 2025
机构 * College of Cyber Science, Nankai University(南开大学网络科学学院) ; Shenzhen Campus of Sun Yat-sen University(中山大学深圳校区)
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.CL
机构 * Beijing University of Posts and Telecommunications(北京邮电大学) ; Beihang University(北航)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL
专题命中 越狱攻击 :safety(abstract);prompt injection(abstract);分类 cs.CL
专题命中 越狱攻击 :alignment(abstract);safety(abstract);分类 cs.AI
Comments Be accepeted as NAACL2025 Findings
专题命中 越狱攻击 :safety(abstract);prompt injection(abstract);分类 cs.AI