会员服务
Why AI Safety Requires Uncertainty, Incomplete Preferences, and Non-Archimedean Utilities
Arxiv
0+阅读 · 2025年12月29日
The Erasure Illusion: Stress-Testing the Generalization of LLM Forgetting Evaluation
Arxiv
0+阅读 · 2025年12月23日
Can Large Language Models Develop Gambling Addiction?
Arxiv
0+阅读 · 2025年12月19日
AI Security Beyond Core Domains: Resume Screening as a Case Study of Adversarial Vulnerabilities in Specialized LLM Applications
Arxiv
0+阅读 · 2025年12月23日
OMNIGUARD: An Efficient Approach for AI Safety Moderation Across Languages and Modalities
Arxiv
1+阅读 · 2025年12月9日
Categorical Framework for Quantum-Resistant Zero-Trust AI Security
Arxiv
0+阅读 · 2025年11月25日
Distributional AGI Safety
Distributional AGI Safety
Arxiv
0+阅读 · 2025年12月18日
Enabling Frontier Lab Collaboration to Mitigate AI Safety Risks
Arxiv
0+阅读 · 2025年11月9日
A Practical Framework for Evaluating Medical AI Security: Reproducible Assessment of Jailbreaking and Privacy Vulnerabilities Across Clinical Specialties
Arxiv
0+阅读 · 2025年12月9日
International AI Safety Report 2025: Second Key Update: Technical Safeguards and Risk Management
Arxiv
0+阅读 · 2025年11月25日
SEA-SafeguardBench: Evaluating AI Safety in SEA Languages and Cultures
Arxiv
0+阅读 · 2025年12月5日
SproutBench: A Benchmark for Safe and Ethical Large Language Models for Youth
Arxiv
0+阅读 · 2025年11月24日
Fundamental Limitations of Alignment in Large Language Models
Arxiv
1+阅读 · 2023年4月19日
Negative Human Rights as a Basis for Long-term AI Safety and Regulation
Arxiv
0+阅读 · 2023年4月20日
SATBA: An Invisible Backdoor Attack Based On Spatial Attention
Arxiv
0+阅读 · 2023年3月26日
参考链接
微信扫码咨询专知VIP会员
Top