Servant, Stalker, Predator: How An Honest, Helpful, And Harmless (3H) Agent Unlocks Adversarial Skills
专题命中 安全训练 :safety(abstract);分类 cs.AI
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 :safety(abstract);分类 cs.AI
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments 10 pages, 6 figures
专题命中 安全训练 :safety(abstract);分类 cs.CY
机构 * Nanyang Technological University(南洋理工大学) ; Beijing University of Posts and Telecommunications(北京邮电大学)
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments Project website is at: https://denghaoyuan123.github.io/SafeBimanip/
专题命中 安全训练 :alignment(abstract);分类 cs.AI
Comments 42 pages, 26 figures
专题命中 安全训练 :safety(abstract);分类 cs.LG
专题命中 安全训练 :safety(abstract);分类 cs.LG
Comments Accepted to CDC 2025
机构 * Delft University of Technology(代尔夫特理工大学)
专题命中 安全训练 :alignment(abstract);分类 cs.LG
机构 * Jungyup Lee, Jemin Kim, Sang Park, SeungJae Lee(作者)
专题命中 安全训练 :alignment(abstract);分类 cs.CL
专题命中 安全训练 :alignment(abstract);分类 cs.LG
机构 * McGill University(麦吉尔大学) ; Mila (Quebec AI Institute)(蒙特利尔AI研究所) ; Google Deepmind(谷歌DeepMind)
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments [20250810]: ICML 2025 Camera Ready, https://github.com/mila-iqia/delusions
专题命中 安全训练 :alignment(abstract);分类 cs.AI
专题命中 安全训练 :safety(abstract);分类 cs.AI
Comments 10 pages, 3 figures
机构 * Department of Engineering Science University of Oxford(工程科学系牛津大学)
专题命中 安全训练 :safety(abstract);分类 cs.LG
Comments 20 pages
机构 * Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所) ; Nanyang Technological University(南洋理工大学) ; University of Chinese Academy of Sciences(中国科学院大学)
专题命中 安全训练 :safety(abstract);分类 cs.AI
专题命中 安全训练 :trustworthy(abstract);分类 cs.LG
机构 * Bosch Research North America(博世北美研究部) ; Bosch Center for Artificial Intelligence (BCAI)(博世人工智能中心) ; Texas A&M University(德克萨斯A&M大学)
专题命中 安全训练 :alignment(abstract);分类 cs.AI
机构 * Microsoft Research AI Frontiers(微软研究院人工智能前沿)
专题命中 安全训练 :safety(abstract);分类 cs.AI
机构 * AI \& GenAI Specialist Cloud GTM Google Mumbai, India ; AI Engineer, AI Services Google Cloud Consulting (GCC) Google Mumbai, India ; Industry Solutions Google Gurugram, India
专题命中 安全训练 :prompt injection(abstract);分类 cs.LG
Comments IEEE CAI 2025
专题命中 安全训练 :safety(abstract);分类 cs.CL
专题命中 安全训练 :alignment(abstract);分类 cs.CL
机构 * Min H. Kao Department of Electrical Engineering and Computer Science at University of Tennessee, Knoxville, TN, USA(田纳西大学电气工程与计算机科学系Min H. Kao部门) ; Department of Electrical and Computer Engineering at George Mason University(乔治·马歇尔大学电气与计算机工程系) ; Department of Industrial and Systems Engineering at University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校工业与系统工程系) ; Department of Civil and Environmental Engineering at University of Tennessee, Knoxville, TN, USA(田纳西大学土木与环境工程系)
专题命中 安全训练 :safety(abstract);分类 cs.LG
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025
专题命中 安全训练 :alignment(abstract);分类 cs.AI
Comments Preprint. 26 pages, includes appendix and tables
机构 * eSapiens
专题命中 安全训练 :safety(abstract);分类 cs.AI
机构 * Intelligent Knowledge City(智能知识城)
专题命中 安全训练 :safety(abstract);分类 cs.LG
Journal ref Iran Journal of Computer Science, 2025
机构 * Harvard University, Cambridge, USA(哈佛大学) ; Google Deepmind(谷歌DeepMind) ; Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院) ; Massachusetts Institute of Technology, Cambridge, USA(麻省理工学院)
专题命中 安全训练 :alignment(abstract);分类 cs.LG
机构 * Trajectory Labs(轨迹实验室) ; Stanford University(斯坦福大学) ; Dartmouth College(达特茅斯学院) ; Cornell University(康奈尔大学) ; University of Oxford(牛津大学)
专题命中 安全训练 :alignment(abstract);分类 cs.LG
机构 * Artificial, Inc.(Artificial公司)
专题命中 安全训练 :safety(abstract);分类 cs.AI
机构 * University of St. Andrews(圣安德鲁大学) ; Independent Researcher(独立研究者) ; University of Edinburgh(爱丁堡大学)
专题命中 安全训练 :alignment(abstract);分类 cs.AI
Comments 16 pages, 4 figures, with appendix
机构 * Department of Computer Science, University of Tsukuba(计算机科学系,筑波大学)
专题命中 安全训练 :safety(abstract);分类 cs.LG
Comments 27 pages including appendix, 1 figure