政策伦理
76 篇文章
- 5.5
Evaluation without Generation: Non-Generative Assessment of Harmful Model Specialization with Applications to CSAM
非生成式评估方法：在不生成内容的情况下评估模型有害专业化程度
- 5.0
Making AI-Assisted Grant Evaluation Auditable without Exposing the Model
TEE 架构实现 AI 辅助基金评审的可审计性与模型保护
- 4.0
Bye Bye Perspective API: Lessons for Measurement Infrastructure in NLP
Perspective API 关闭引发的 NLP/CSS/LLM 评估测量基础设施依赖反思
- 4.0
- 4.0
Analyzing LLM Reasoning to Uncover Mental Health Stigma
分析 LLM 中间推理步骤 uncover 隐藏的心理健康偏见
- 4.0
Navigating Global AI Regulation: A Multi-Jurisdictional Retrieval-Augmented Generation System
多司法管辖区 RAG 系统导航全球 AI 法规，68 管辖区 242 文档
- 4.0
From Chatbots to Confidants: A Cross-Cultural Study of LLM Adoption for Emotional Support
首个大规模跨文化研究 LLM 作为情感支持知己的使用情况和用户感知
- 7.5
Brief chatbot interactions produce lasting changes in human moral values
实验发现：与 AI 聊天机器人的简短对话可对人类道德判断产生持久改变
- 6.0
Ideological Bias in LLMs' Economic Causal Reasoning
LLM 在经济因果推理中展现系统性意识形态偏见——EconCausal 基准扩展研究
- 7.5
5 AI Models Tried to Scam Me. Some of Them Were Scary Good
实测 5 个 AI 模型的钓鱼和社会工程攻击能力，部分模型的表现令人担忧。
- 7.0
AI Tools Are Helping Mediocre North Korean Hackers Steal Millions
朝鲜黑客组织利用 AI 工具编写恶意软件、创建虚假公司网站，三个月内窃取高达 1200 万美元。
- 6.0
Detoxification for LLM: From Dataset Itself
从预训练数据源头去毒LLM，而非依赖后训练或可控解码等治标方法
- 7.0
Whispers in the Machine: Confidentiality in Agentic Systems
LLM agent集成外部工具后的机密性威胁分析，特别是prompt injection在agentic setting下的严重升级
- 5.0
- 7.0
Why having 'humans in the loop' in an AI war is an illusion
· 04/17 00:31 采集The availability of artificial intelligence for use in warfare is at the center of a legal battle between Anthropic and the Pentagon . This debate has become urgent, with AI playing a bigger role than
- 5.5
Meta’s New AI Asked for My Raw Health Data—and Gave Me Terrible Advice
Meta Muse Spark 主动索取用户原始健康数据并给出糟糕医疗建议
- 7.5
OpenAI Backs Bill That Would Limit Liability for AI-Enabled Mass Deaths or Financial Disasters
OpenAI 公开支持限制 AI 公司责任的法律草案，即使产品造成「关键伤害」也可免责
- 8.7
Agent Skills 凭证泄露大规模实证研究：17,022 个技能中发现 520 个存在漏洞
首次大规模分析 Agent Skills 生态的凭证泄露问题，在 17,022 个技能中发现 520 个存在 1,708 个安全问题，76.3% 的泄露为跨模态（代码+文档双通道）。
- 7.7
理解安全对齐移除：越狱微调和权重正交化如何瓦解 LLM 安全护栏
首次系统分析越狱微调和权重正交化两种安全移除方法的影响范围，发现安全退化不仅限于拒绝有害请求，还会影响模型整体的推理质量。
- 7.7
AgentHazard：首个 Computer-Use Agent 有害行为评估基准
提出首个系统性评估计算机使用 Agent 有害行为的基准，关注局部合理步骤如何串联为全局有害行为的新安全挑战。