Can AI Assistants Know What They Don't Know?
专题命中 安全训练 :alignment(abstract);分类 cs.CL、cs.AI
Comments Work in progress
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(abstract);分类 cs.CL、cs.AI
Comments Work in progress
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments Feel free to comment on our Overleaf manuscript: https://www.overleaf.com/9899719915wmccvdtwpkct#c25192
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments To be included in an other submission. arXiv admin note: text overlap with arXiv:2304.05839
专题命中 安全训练 :alignment(abstract);分类 cs.CL、cs.LG
Comments AAAI 2024 Main Track
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments Accepted to AAAI-24
专题命中 安全训练 :alignment(abstract);分类 cs.AI、cs.LG
Comments v3 is the AAAI'24 camera ready version, which polished abstract and introduction based on the reviewers' comments, and enriched related works. 7 pages of main content, 2 pages of references, 2 figures and 1 table
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments 8 pages, 10 figures
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments 13 pages
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments This paper will be presented in AAAI2024
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments 10 pages, 5 figures
专题命中 安全训练 :alignment(abstract);分类 cs.CL、cs.LG
Comments In Proceedings of ICLR 2023. Code found at https://github.com/allenai/rl4lms and Project website at https://rl4lms.apps.allenai.org/
专题命中 安全训练 :alignment(abstract);分类 cs.CL、cs.AI
Comments SoLaR NeurIPS 2023 Workshop (https://solar-neurips.github.io/)
专题命中 安全训练 :safety(abstract);分类 cs.CL、cs.AI
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments arXiv admin note: substantial text overlap with arXiv:2209.06130
专题命中 安全训练 :alignment(abstract);分类 cs.AI、cs.LG
Comments 4 figures, 18 pages
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments NeurIPS 2023 camera-ready
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :alignment(abstract);分类 cs.CL、cs.AI
Comments Accepted at EMNLP 2023 - Demo track
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments Accepted for publication in the 2023 International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT)
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments Accepted as Multi-Agent Dynamic Games (MAD-Games) Workshop Paper at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2023
专题命中 安全训练 :trustworthy(abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :alignment(abstract);分类 cs.AI、cs.LG
Comments Code available at https://github.com/ademiadeniji/lamp
专题命中 安全训练 :alignment(abstract);分类 cs.AI、cs.CY
专题命中 安全训练 :safety(abstract);分类 cs.CY、cs.LG
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Journal ref in IEEE Transactions on Software Engineering, vol. 49, no. 7, pp. 3715-3735, July 2023
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments 8 pages, 5 figures
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
Comments 13 pages, 16 figures
专题命中 安全训练 :safety(abstract);分类 cs.AI、cs.LG
专题命中 安全训练 :trustworthy(abstract);分类 cs.AI、cs.CY
Comments FAccT '23, June 12-15, 2023, Chicago, IL, USA