基于无监督越狱激活模拟的 LLM 安全对抗训练新方法

MVR-cache：多向量检索与学习型提示分割优化语义缓存

Transformer模型借助范畴论函子实现类比推理形式化

Reflect-Guard用逻辑自反思增强LLM安全分类器抗对抗攻击

AAI框架提出精算接口为AI代理动作定价并执行边界控制

CUA-Gym规模化可验证训练环境与任务，赋能计算机使用代理

llama.cpp 新增对 Gemma4 因果语言模型架构的转换支持

SaaS-Bench实测：Claude等大模型全自动办公通过率不足4%

StreamChar：解耦编排实现长时流式角色音视频生成

Blink采用动态视觉token分辨率增强多模态理解

PixelWizard：分层解耦全局局部，实现超大规模高分辨率视频生成

StreamOV基于证据引导记忆与响应触发实现流式全模态视频理解

Pantheon360基于3D感知360度视频扩散生成数字孪生

利用标注者分歧校准概率目标检测器

校准交互方法解决组合图像检索查询语义歧义

SRUG：阴影引导的生成式城市场景重光照方法

FDDet提出FDD-48数据集与半监督框架实现数据高效食品缺陷检测

遥感组合图像检索方法在地球观测中的迁移性基准测试

物理世界建模统一3D场景理解，多视觉任务融合新方法

VideoMAE中概念激活向量实现物理因果方向控制

多轮LLM现新型后门攻击：回合结构信号可触发恶意行为

FairJudge：可弃权多模态评判器用于文本到图像模型公平性与对齐评估

高熵token是视觉语言模型多模态薄弱点

弱到强泛化改进随机特征岭回归的缩放定律

微调掩蔽扩散模型实现可证明的自校正能力

动态优化与安全指标注入高效越狱T2I多模态安全过滤器

联邦Sketching LoRA框架实现异构客户端LLM高效微调

LLMTabBench：从零到少样本的LLM表格分类评估

DPO离线RLHF遭受高效偏好投毒攻击

SaaS-Bench：用真实SaaS评估计算机使用智能体的专业工作流能力

后训练语言模型能识别并响应自身生成内容

LLM学习专家诊断推理：基于NEJM临床病理会议案例

Walsh谱旋转与Intel auto-round实现极端低位LLM量化

OmniSapiens：异构感知相对策略优化的社交行为处理基础模型

九国公众对军事AI态度调查：超越“杀人机器人”迷思

大语言模型微调生命周期安全：威胁、防御与未来方向

几何感知生成自编码器实现无标签语言模型流形干预

LLM编程代理驱动即时系统：从零合成专用核心存储

LLM智能体社会动态行为新研究：合作机制比结果更重要

AgentHijack：首个评估计算机代理在环境干扰下鲁棒性的基准测试

KT4EQG：基于知识追踪的个性化习题生成方法

FrontierOR基准测试评估LLM设计大规模优化算法能力

自适应进化CoT越狱攻击暴露LLM推理安全新漏洞

MEMOR-E：融合上下文与微调LLM的阿尔茨海默症辅助机器人

CLiViS用语言-视觉协同增强具身视觉推理认知地图

Agent-X：视觉中心代理任务深度多模态推理基准

CARTBENCH：视觉语言模型对中国艺术理解、解读和真实性的评估

VCF：推理时向文本扩散模型注入图像引导的双重条件方法

无奖励对齐法解决多目标冲突提升大语言模型对齐效果

Claw-Anything：衡量个人助理广泛访问用户数字世界的基准