AdvGame 论文:攻防 LM 对弈博弈训练,安全对齐 shift Pareto 前沿

brandondamos · x · 2026-11-20

Meta/研究团队发布 AdvGame 论文「Safety Alignment of LMs via Non-cooperative Games」,Brandon Amos 公开了演讲 slides。

核心内容:

作者包括 Anselm Paulus、Remi Munos、Ivan Evtimov、Kamalika Chaudhuri 等。

原文链接 →

「安全」频道最新

更多「安全」频道 AI 资讯 →