LLMs Prompted for Legal Context Refuse More: Overrefusal from Small On-Premises LLMs in Criminal Legal Context Authors: Anastasiia Kucherenko, Francois Brouchoud, Dimitri Percia David, Andrei Kucharavy | Published: 2026-10-19 プロンプトインジェクションプロンプトエンジニアリング大規模言語モデル 2026.10.19 文献データベース
GeoEdit: Adversarial De-Evidencing for Silent Geoprivacy Protection via Image Editing Authors: Yu Yan, Shengjia Cheng, Fei Ma, Zhe Wang, Peng Chen | Published: 2026-10-19 リスク評価手法編集戦略生成防御戦略 2026.10.19 文献データベース
SPLASH: Contrastive Audit Pressure for Detecting and Localizing Security Hallucinations in Generated Code Authors: Mirza Masfiqur Rahman, MD Ajwad Akil, Imtiaz Karim, Ashish Kundu, Ramana Kompella, Elisa Bertino | Published: 2026-10-19 セキュリティ検証手法ハルシネーション脆弱性検出手法 2026.10.19 文献データベース
RAGLeak: Supply-Chain Privacy Backdoors in Retrieval-Augmented Generation Authors: Yuchen Chen, Wei Cheng, Yuan Xiao, Junda He, Jieke Shi, PingPing OuYang, Quanjun Zhang, Chunrong Fang, David Lo, Zhenyu Chen | Published: 2026-10-19 RAGRAGへのポイズニング攻撃データ毒性攻撃 2026.10.19 文献データベース
Secure Agentic Coding through Counterexample-Grounded Feedback Authors: Tue Le, Anh Nguyen Hoang, Gabriel Sasseville, Doseok Jang, Pierre-Luc Bacon, Nghi D. Q. Bui | Published: 2026-10-19 セキュリティ検証手法脆弱性検出手法透かしに関連する技術が議論されている 2026.10.19 文献データベース
Budgeted Attack Scheduling for LLM Red-Teaming: The Roles of Static Priors, Semantic Guidance, and Online Feedback Authors: Zhicheng Fang, Han Sun, Jiachen Lei, Xinyi Fang, Zongmin Zhang, Chenxu Fu, Sizhe Fang, Wei Xu | Published: 2026-10-19 プロンプトリーキング敵対的攻撃手法防御戦略 2026.10.19 文献データベース
Towards Architectural-Level Safety Control: Relocating Hazardous Knowledge into Removable Experts in Mixture-of-Experts Models Authors: Cheng Jin, Zhongtian Ma, Xiao Wang, Han Qi, Xiaoyu Wen, Xiang Wang, Youbang Sun, Xia Hu, Bowen Zhou, Chaochao Lu, Qiaosheng Zhang | Published: 2026-10-19 セキュリティに関連する知識を活用した手法深層学習モデル重み更新手法 2026.10.19 文献データベース
Causal Humility: Governing the Authority of Fairness Claims Under Causal Uncertainty Authors: Khadija Zanna, Rodrigo Ferreira, Frederick L. Oswald, Akane Sano | Published: 2026-10-19 AIシステムの関係性アルゴリズムの公平性因果推論 2026.10.19 文献データベース
How Effectively Do Security Skills Guide Coding Agents in Vulnerability Detection in Linux Kernel? Authors: Haoran Xue, Nikta Akbarpour, Gias Uddin, Song Wang | Published: 2026-10-19 セキュリティ検証手法性能評価指標脆弱性検出手法 2026.10.19 文献データベース
When Safety Fails Collectively: Robust Alignment Against Harmful Fine-Tuning via Joint Weight Perturbations Authors: Zhiyuan Wang, Yuezhi Zhou, Zhu Zhang, Zhixing Tan | Published: 2026-10-19 深層学習モデル重み更新手法防御戦略 2026.10.19 文献データベース