Hair-Trigger Alignment: Black-Box Evaluation Cannot Guarantee Post-Update Alignment
触发式对齐：黑盒评估无法保证更新后对齐
机构 * University of Southern California（南加州大学）
AI总结 研究大语言模型更新后对齐问题，指出静态黑盒评估有局限，无法保证更新后对齐，通过理论分析和多领域实证验证，揭示模型隐藏对抗行为及与模型规模的关系，强调更新后鲁棒对齐评估的迫切性。
高校专区
University of Southern California（南加州大学）
Membership Inference Attacks on In-Context Examples in LLM-based Recommender Systems
基于LLM的推荐系统中上下文示例的成员推断攻击
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） ； University of Cincinnati（辛辛那提大学） ； University of Southern California（南加州大学）
AI总结 本文提出两种针对LLM推荐系统中上下文示例的成员推断攻击，揭示了敏感信息暴露的风险及现有防御方法的不足。
Comments This is paper is accepted by ACM RecSys 2026 main track
