Context-Aware Hierarchical Learning: A Two-Step Paradigm towards Safer LLMs Authors: Tengyun Ma, Jiaqi Yao, Daojing He, Shihao Peng, Yu Li, Shaohui Liu, Zhuotao Tian | Published: 2025-12-03 セキュリティ考慮倫理的考慮防御手法 2025.12.03 文献データベース
OmniGuard: Unified Omni-Modal Guardrails with Deliberate Reasoning Authors: Boyu Zhu, Xiaofei Wen, Wenjie Jacky Mo, Tinghui Zhu, Yanan Xie, Peng Qi, Muhao Chen | Published: 2025-12-02 プライバシー管理マルチモーダル安全性倫理的考慮 2025.12.02 文献データベース
A Wolf in Sheep’s Clothing: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search Authors: Rongzhe Wei, Peizhi Niu, Xinjie Shen, Tony Tu, Yifan Li, Ruihan Wu, Eli Chien, Olgica Milenkovic, Pan Li | Published: 2025-12-01 トレーニング手法プロンプトインジェクション倫理的考慮 2025.12.01 文献データベース
GuardTrace-VL: Detecting Unsafe Multimodel Reasoning via Iterative Safety Supervision Authors: Yuxiao Xiang, Junchi Chen, Zhenchao Jin, Changtao Miao, Haojie Yuan, Qi Chu, Tao Gong, Nenghai Yu | Published: 2025-11-26 プロンプトインジェクションリスク評価手法倫理的考慮 2025.11.26 文献データベース
Defending Large Language Models Against Jailbreak Exploits with Responsible AI Considerations Authors: Ryan Wong, Hosea David Yu Fei Ng, Dhananjai Sharma, Glenn Jun Jie Ng, Kavishvaran Srinivasan | Published: 2025-11-24 倫理的考慮大規模言語モデル悪意のあるプロンプト 2025.11.24 文献データベース
Prompt Injection Vulnerability of Consensus Generating Applications in Digital Democracy Authors: Jairo Gudiño-Rosero, Clément Contet, Umberto Grandi, César A. Hidalgo | Published: 2025-08-06 インダイレクトプロンプトインジェクション倫理的考慮公平性の確保 2025.08.06 文献データベース
Attention Knows Whom to Trust: Attention-based Trust Management for LLM Multi-Agent Systems Authors: Pengfei He, Zhenwei Dai, Xianfeng Tang, Yue Xing, Hui Liu, Jingying Zeng, Qiankun Peng, Shrivats Agrawal, Samarth Varshney, Suhang Wang, Jiliang Tang, Qi He | Published: 2025-06-03 インダイレクトプロンプトインジェクションモデルDoS倫理的考慮 2025.06.03 文献データベース
Red-Teaming LLM Multi-Agent Systems via Communication Attacks Authors: Pengfei He, Yupin Lin, Shen Dong, Han Xu, Yue Xing, Hui Liu | Published: 2025-02-20 | Updated: 2025-06-02 インダイレクトプロンプトインジェクション倫理的考慮通信セキュリティ 2025.02.20 文献データベース
A Mousetrap: Fooling Large Reasoning Models for Jailbreak with Chain of Iterative Chaos Authors: Yang Yao, Xuan Tong, Ruofan Wang, Yixu Wang, Lujundong Li, Liang Liu, Yan Teng, Yingchun Wang | Published: 2025-02-19 | Updated: 2025-06-03 LLMの安全機構の解除倫理的考慮大規模言語モデル 2025.02.19 文献データベース
Adversarial for Good? How the Adversarial ML Community’s Values Impede Socially Beneficial Uses of Attacks Authors: Kendra Albert, Maggie Delano, Bogdan Kulynych, Ram Shankar Siva Kumar | Published: 2021-07-11 | Updated: 2021-09-15 倫理的考慮機械学習の役割社会的影響 2021.07.11 2025.04.03 文献データベース