Distributed Attacks in Persistent-State AI Control Authors: Josh Hills, Ida Caspary, Asa Cooper Stickland | Published: 2026-07-02 エージェント操作手法バックドアモデルの検知脆弱性検出手法 2026.07.02 文献データベース
LACUNA: A Testbed for Evaluating Localization Precision for LLM Unlearning Authors: Matteo Boglioni, Thibault Rousset, Siva Reddy, Marius Mosbach, Verna Dankers | Published: 2026-07-02 トレーニングプロトコルモデル評価深層学習モデル 2026.07.02 文献データベース
Criticality-Based Guard Rail Validation for AI Agent Decisions in Autonomous Telecom Networks Authors: Ravi Kant Sharma | Published: 2026-07-02 エージェント操作手法マルチエージェントシステム脆弱性検出 2026.07.02 文献データベース
The Eticas AI Risk Taxonomy: Open Infrastructure for Operationalizing AI Audits Authors: Gemma Galdon Clavell, Pablo Accuosto, Usman Gohar | Published: 2026-07-02 アライメントリスクとメカニズム公平性の確保 2026.07.02 文献データベース
Privacy-Preserving and Verifiable Approximate Distributed Coded Computing Authors: Xavier Martínez-Luaña, Alba Gude-Santos, Manuel Fernández-Veiga, Rebeca P. Díaz-Redondo | Published: 2026-07-02 ビザンチン攻撃対策差分プライバシー脆弱性評価 2026.07.02 文献データベース
A rubric-based controlled comparison of frontier language models on expert-authored clinical reasoning tasks Authors: Samiha A. Ismail, Fan X. Chen, Ali Merali | Published: 2026-07-02 モデル評価レビューと調査医療診断属性 2026.07.02 文献データベース
Behind the Refusal: Determining Guardrail Activation via Behavioral Monitoring Authors: William Hackett, Peter Garraghan | Published: 2026-07-02 統計的検定脆弱性評価脆弱性評価手法 2026.07.02 文献データベース
ContextNest: Verifiable Context Governance for Autonomous AI Agent Authors: Misha Sulpovar, Benn R. Konsynski, Qaish Kanchwala, Gabe Goodhart | Published: 2026-07-02 RAGドキュメント構造監査トレース 2026.07.02 文献データベース
kNNGuard: Turning LLM Hidden Activations into a Training-Free Configurable Guardrail Authors: Mahmoud Abdelfattah, Hamid Nasiri, Peter Garraghan | Published: 2026-07-02 アライメントプロンプトインジェクション脆弱性評価 2026.07.02 文献データベース
ElephantAgent: Contextual State Continuity in Agentic Systems Authors: Jiankai Jin, Xiangzheng Zhang, Zhao Liu, Wenzhuo Xu, Dongdong Yang, Deyue Zhang, Quanchen Zou | Published: 2026-07-02 インダイレクトプロンプトインジェクションエージェント操作手法脆弱性管理 2026.07.02 文献データベース