タグ: AI Safety

8月 23 2026

0

プロンプトと応答の両方の埋め込みダイナミクスをKoopman演算子で解析し、LLMの安全性をブラックボックスで分類する手法

投稿者: ユウ

TL;DR LLMの安全性をブラックボックスで判定する新しい手法。プロ…

7月 23 2026

0

LLMの有害出力確率に厳密な下限を与える新フレームワーク

投稿者: ユウ

TL;DR LLMが固定プロンプトに対して有害な出力を生成する確率に対…

2月 24 2026

0

AIの脳内にガードレールを！最新の安全技術BARRIERSTEER

投稿者: ユウ

解説 ねえ智也くん、この『BARRIERSTEER』っていう論文のタイ…

2月 23 2026

0

AIの「心の鍵」を何重にも！絶対に突破されない安全ガードの作り方

投稿者: ユウ

解説 ねえねえ智也くん！この『フェイルクローズ・アライメント』っていう…

2月 22 2026

0

AIにも「お里」がある？開発元ごとの性格を暴く最新の心理テスト！

投稿者: ユウ

解説 ねえねえ智也くん！この「ラボ主導の整列シグネチャ」っていう論文、…

2月 14 2026

0

AIの「脳内」を丸裸に！？安全性チェックの救世主DeepSightを解説！

投稿者: ユウ

解説 ねえねえ智也くん！この「DeepSight」っていう論文、タイト…

2月 14 2026

0

AIの「心のブレーキ」を二重にする！攻撃に負けない最強の安全技術「SafeNeuron」

投稿者: ユウ

解説 ねえねえ智也くん！この『SafeNeuron』っていう論文のタイ…

2月 12 2026

0

AIの「裏の顔」を暴け！変なクセの原因を突き止める新技術

投稿者: ユウ

解説 智也くん、見て見て！この論文のタイトル、『野生のモデル生物』だっ…

2月 09 2026

0

AIのガードレールを突破せよ！複数回の会話で攻める最強の攻撃手法SEMA

投稿者: ユウ

解説 ねえねえ智也くん！この『SEMA』って論文、タイトルが強そうだね…

1月 30 2026

0

AIの暴走を「手遅れ」になる前に止める！新ベンチマークStepShieldの凄さ

投稿者: ユウ

解説 ねえねえ智也くん！この『StepShield』って論文、なんか強…