专栏 RSS订阅(公众号)
温馨提示:订阅专栏后我们将尽力更新;开通 稳定极速订阅 可获得稳定更新保障,并降低更新延迟;无人订阅的专栏有可能不会更新
程序化API访问方法
基础API: 未开通,请先订阅专栏再开通
高级API: 未开通,请先订阅专栏再开通
扩展API接口一: 未开通,请先订阅专栏再开通
提交新专栏
专栏 二维码
今天看啥Skill
TodayRss-海外RSS稳定源
今天看啥
公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
他们也喜欢这个专栏
 • 
RSS订阅
今天看啥  ›  专栏  ›  为机器立心
介绍人工智能安全领域下的学术界前沿进展、个人的一些学习笔记经验、资料分享等。主题包括但不限于人工智能安全、可解释性、鲁棒性、隐私安全等
免责声明:本专栏仅为信息导航参考,不代表原文立场或观点。 原专栏内容版权归原作者所有,如您为原作者并希望删除该专栏,请通过 【版权申诉通道】联系我们处理。
需要稳定、低延迟更新,可开通 RSS 稳定极速订阅 ,获得稳定更新保障并降低更新延迟
AI自己搞AI安全?Anthropic新研究:AI研究员已经能干对齐研究,甚至干赢人类专家
为机器立心  ·  公众号  ·  ·  3 周前  · 
AI安全测评“演戏”升级:模型识破测试怎么办?新研究让红队审计更接近真实上线场景
为机器立心  ·  公众号  ·  ·  3 周前  · 
预警 “失控 AI”:美国多国家实验室联合提出 5 级监测框架,提前捕捉 AI 灾难风险
为机器立心  ·  公众号  ·  ·  3 周前  · 
大模型“内心想法”可以被偷走?EchoCoT攻击:扒出AI隐藏思考过程
为机器立心  ·  公众号  ·  ·  3 周前  · 
GUI智能Agent别只会埋头干活!该拒绝的时候要学会“罢工”
为机器立心  ·  公众号  ·  ·  3 周前  · 
看穿 AI 的小心思:靠内部神经元信号,检测大模型的战略欺骗
为机器立心  ·  公众号  ·  ·  3 周前  · 
AI Agent频繁翻车,我们终于有了一份“事故黑名单”|解读AIR事故登记库
为机器立心  ·  公众号  ·  ·  3 周前  · 
AI 评测乱成一团?Benchmark Radar 给上千个大模型基准测试建了 “活数据库”
为机器立心  ·  公众号  ·  ·  3 周前  · 
破解多模态大模型安全防线:字节提出HACA,原子化自动红队攻击成功率最高接近100%
为机器立心  ·  公众号  ·  ·  3 周前  · 
DPO 安全对齐翻车?北航提出 B‑DPO:解决偏好理解失衡,大模型防越狱能力暴涨 8%
为机器立心  ·  公众号  ·  ·  3 周前  · 
复旦:IntentionReasoner,意图推理 + 多级别分类,破解 LLM 安全防护 “过度拒...
为机器立心  ·  公众号  ·  ·  3 周前  · 
LLMs 评估迎来系统性方案:IQ/EQ/PQ 对标人类智能,VQ 锚定社会价值,附 200 + 基...
为机器立心  ·  公众号  ·  ·  3 周前  · 
港大GAMEBoT:拆解游戏推理、验证中间步骤,让 LLM 推理能力评估更透明
为机器立心  ·  公众号  ·  ·  3 周前  · 
Google DeepMind:DIVE 数据集解锁多元视角,让 AI 对齐不同群体的 “安全观”
为机器立心  ·  公众号  ·  ·  3 周前  · 
中科院计算所:拆解 LLM 推理三阶段,RCPD 轻量规则破解过度思考难题
为机器立心  ·  公众号  ·  ·  3 周前  · 
慕尼黑工业大学提出 STPR 框架:用 LLM 转译自然语言约束,让机器人导航兼顾合规性与算法可靠性
为机器立心  ·  公众号  ·  ·  3 周前  · 
聚焦道德推理性能鸿沟!研究团队首证:微调 Transformer 全面优于 LLMs,多维度评估揭示...
为机器立心  ·  公众号  ·  ·  3 周前  · 
伊利诺伊大学厄巴纳 - 香槟分校新方法 GUARD:四角色协作转指南、越狱诊断挖漏洞,全方位测试 L...
为机器立心  ·  公众号  ·  ·  3 周前  · 
山东大学提出 Safe-Control:即插即用安全补丁,为文本到图像模型筑牢安全防线,兼顾跨模型适...
为机器立心  ·  公众号  ·  ·  3 周前  · 
字节跳动提出 AGENTARMOR:以程序分析为核,结构化防御 LLM 代理提示注入攻击
为机器立心  ·  公众号  ·  ·  3 周前  ·