跳到正文

安全对齐

AI 安全与对齐:越狱与防御、模型行为研究、安全评测与治理框架的进展。

164条精选相关主题论文研究政策监管推理能力

最新精选

第 141–160 条 · 共 164 条
2月28日周五
11月25日周一
  1. Ethereum Blog67

    以太坊协议攻击马拉松启动

    以太坊基金会宣布启动首个以太坊协议攻击马拉松,奖励池为 150 万美元,旨在通过大规模众包安全审计竞赛提升以太坊协议的安全性。

    推荐理由:本次攻击马拉松旨在提升以太坊协议的安全性,读者可以关注其结果对以太坊生态系统的影响。

7月8日周一
  1. Ethereum Blog70

    以太坊协议与 Immunefi 合作举办攻击马拉松

    以太坊协议安全研究团队与 Immunefi 合作举办攻击马拉松,旨在通过大规模众包安全审计竞赛提高以太坊协议的安全性,奖励池超过 200 万美元,旨在增强以太坊生态系统的安全性。

    推荐理由:Ethereum 协议安全研究团队与 Immunefi 合作举办攻击马拉松,旨在通过大规模众包安全审计竞赛提高以太坊协议的安全性,读者可以关注其对以太坊生态系统安全性的影响。

5月24日周五
  1. Hugging Face Blog62

    CyberSecEval 2 - 大型语言模型网络安全风险全面评估框架

    Hugging Face 发布了 CyberSecEval 2 评测框架,用于评估大型语言模型(LLM)的网络安全风险,包括代码解释器滥用、攻击性网络安全能力和提示注入攻击等。该框架旨在帮助开发者提高 LLM 的网络安全安全性。

    推荐理由:CyberSecEval 2 评测框架为评估大型语言模型(LLM)的网络安全风险提供了全面的基准,揭示了行业改进和持续挑战。

4月4日周四
3月21日周四
  1. Ethereum Blog65

    以太坊网络安全事件:Sepolia 事件

    以太坊网络出现安全漏洞,可能导致部分节点拒绝接受区块,引发网络分叉。官方已采取措施修复漏洞,并更新了客户端版本。

    推荐理由:原文揭示了以太坊网络面临的安全威胁,并提供了应对措施,读者可以了解其对网络的影响和防范方法。

1月26日周五
  1. Hugging Face Blog70

    介绍 AI 安全 LLM 安全排行榜

    Secure Learning Lab 推出了 DecodingTrust 平台,用于评估 LLM 的可信度,包括毒性、刻板印象偏见、对抗鲁棒性等多个方面。同时,发布了新的 LLM 安全排行榜,基于 HF 排行榜模板,提供对 LLM 安全性的评估。

    推荐理由:DecodingTrust 平台提供了对 LLM 安全性的全面评估,对理解 LLM 的安全性和风险具有重要意义。

8月2日周三
  1. Hugging Face Blog70

    迈向加密大型语言模型:全同态加密的应用

    Hugging Face Blog发布了一篇关于使用全同态加密技术保护大型语言模型隐私的研究,该技术允许在加密数据上执行函数,从而在保护模型所有者知识产权的同时,维护用户数据的隐私。

    推荐理由:该研究提出了使用全同态加密技术保护大型语言模型隐私的方法,对关注AI安全和隐私的读者有参考价值。

5月23日周二
  1. Hugging Face Blog70

    Hugging Face 安全审计确认 Safetensors 库安全,将成为默认格式

    Hugging Face 与 EleutherAI 和 Stability AI 合作,对 Safetensors 库进行了安全审计,确认其安全性,并计划将其作为默认格式。Safetensors 是一个用于保存和加载张量的库,具有安全、懒加载和快速加载等特性。

    推荐理由:Hugging Face 对 safetensors 库进行了安全审计,确认其安全性,并计划将其作为默认格式。读者可以了解其安全特性和应用场景。

4月11日周二
2月24日周五
12月15日周四
  1. Hugging Face Blog65

    Hugging Face探讨机器学习中的偏见问题

    Hugging Face团队探讨了机器学习中的偏见问题,并分享了他们的工具和方法,以帮助识别和减轻偏见,构建更公平、更安全的机器学习系统。

    推荐理由:文章深入探讨了机器学习中的偏见问题,并提供了Hugging Face团队开发的工具和方法,读者可以了解如何识别和减轻偏见,以及如何构建更公平、更安全的机器学习系统。

6月30日周四
  1. Ethereum Blog85

    以太坊 Sepolia 测试网合并公告

    以太坊 Sepolia 测试网即将进行合并,标志着以太坊网络向权益证明过渡的重要一步。合并后,Sepolia 将采用权限验证者集,Goerli/Prater 测试网将保持开放验证者集。

    推荐理由:原文详细介绍了 Sepolia 测试网合并的进展和后续计划,读者可以了解以太坊网络向权益证明过渡的最新动态。

5月16日周一
4月14日周四
  1. Ethereum Blog70

    以太坊基金会加强安全团队以应对即将到来的合并

    以太坊基金会加强其安全团队,包括多种安全审计和技术,为即将到来的合并做准备,包括自动化扫描、手动审计、第三方审计、模糊测试和网络模拟等。

    推荐理由:原文详细介绍了以太坊基金会如何加强其安全团队,包括多种安全审计和技术,为即将到来的合并做准备,读者可以了解其安全措施和策略。

1月27日周四
  1. OpenAI News79

    OpenAI 发布 InstructGPT 并将其设为 API 默认模型

    OpenAI 推出 InstructGPT 模型,该模型在遵循用户意图、真实性和减少毒性方面优于 GPT-3,现已作为默认语言模型部署于 API。这些模型采用人类反馈强化学习技术训练,源自 OpenAI 的对齐研究成果。

    推荐理由:OpenAI 官方宣布 InstructGPT 成为 API 默认模型,标志着其通过人类反馈强化学习提升指令遵循能力并降低毒性的技术正式落地。

11月2日周二
  1. Ethereum Blog70

    以太坊 PoS 算法潜在攻击及缓解措施分析

    以太坊官方博客发布文章,分析了针对其 PoS 算法的三种潜在攻击,并提出了相应的缓解措施,预计将在合并前实施修复,不会延迟合并时间表。

    推荐理由:原文详细介绍了针对以太坊 PoS 算法的三种潜在攻击及其缓解措施,读者可以了解其对以太坊合并升级的影响。

3月24日周三
11月27日周三
1月15日周二