論文要約 AI生成動画の「違和感」を解明！LLMでディープフェイクを見抜く
紹介論文今回紹介する論文はLearning Human-Perceived Fakeness in AI-Generated Videos via Multimodal LLMsという論文です。 この論文を一言でまとめるとAI生成動画の品質...
安全性評価
論文要約 
論文要約 LLMの追従性を解剖！多面的なメカニズムと対策
紹介論文今回紹介する論文はSycophancy Is Not One Thing: Causal Separation of Sycophantic Behaviors in LLMsという論文です。 この論文を一言でまとめるとLLM（大規...
論文要約 MoEモデル制御術！Expert (De)ActivationでLLMを安全に
紹介論文今回紹介する論文はSteering MoE LLMs via Expert (De)Activationという論文です。 この論文を一言でまとめるとMoEモデルの安全性と忠実性を高めるSteerMoEフレームワークを解説。特定のエキ...
論文要約 MLLMの安全を守る！自己適応型データセット構築
紹介論文今回紹介する論文はSelf-adaptive Dataset Construction for Real-World Multimodal Safety Scenariosという論文です。 この論文を一言でまとめるとMLLMの安全性...
論文要約 LLMの安全性強化！ IMAGINEフレームワーク徹底解説
紹介論文今回紹介する論文はForewarned is Forearmed: Pre-Synthesizing Jailbreak-like Instructions to Enhance LLM Safety Guardrail to Po...
論文要約 LLMの安全性向上へ！SDGO徹底解説
紹介論文今回紹介する論文はSDGO: Self-Discrimination-Guided Optimization for Consistent Safety in Large Language Modelsという論文です。 この論文を一...
論文要約 AIエージェントは 本当に安全？ 悪影響と対策を 徹底解説！
紹介論文今回紹介する論文はUnintended Misalignment from Agentic Fine-Tuning: Risks and Mitigationという論文です。 この論文を一言でまとめるとAIエージェントの安全性に関す...
論文要約 LLMの安全性評価：中国語メンタルヘルス対話への挑戦
紹介論文今回紹介する論文はExploring Safety Alignment Evaluation of LLMs in Chinese Mental Health Dialogues via LLM-as-Judgeという論文です。 こ...