本文研究问题是智能技术在文本安全方面的应用，讨论不同类型的文字如何可能引起身体伤害，特别是一类未被充分探讨的隐蔽性不安全文本。进一步分析了该类别的子类别及解决方案，强调这个隐藏而危险的问题需要有关方面和监管机构优先考虑。本文提出了缓解方案，以激励未来研究人员解决这一挑战性问题，从而提高智能系统的安全性。

Oct, 2022

本文旨在解决自然语言处理中所谓的 “安全文本” 的问题，并创建了 SafeText 基准数据集，用于研究模型的常识物理安全性，并发现即使最先进的大型语言模型也容易生成不安全的文本并难以拒绝不安全建议。因此，我们建议在模型发布之前进一步研究安全性和常识物理安全性的评估。

Oct, 2022

AI 系统的安全性是一个重要的考量，因此作者提出了一个结构化的理由框架，包含四个类别的论证，以证明 AI 系统在训练和部署过程中不太可能引发灾难，并提到控制措施的强度、即使可能造成伤害也是可信的、以及可信的 AI 顾问的权威等内容。

Mar, 2024

社交媒体平台通过使用人工智能和人工审核，模糊分享危险内容的图像以提高用户安全性，研究了图像模糊的理由和最小化模糊的方法，并通过实验证明了所提出方法的有效性。

Jan, 2024

AI 系统在各个领域取得了令人瞩目的成绩，然而其安全性和可靠性仍然是一个重要的关注点，特别是对于安全关键任务。本论文旨在通过进一步开发当前技术来确保安全关键任务的准确模型不确定性。

Aug, 2023

基于食品行业中营养标签的成功，本文旨在评估和评级 AI 服务的用户信任度，并提出了面向现实世界场景如健康和食品建议的原则性、多模式、因果关系评级方法的挑战和远景。

Feb, 2023

在这项工作中，我们提出了一种通过信息校准和流畅关联提取语义信息的方法，成功地提取了辩解原因，并在情感分析、仇恨言论识别和法律方面的任务中证明了其有效性。

Jan, 2023

研究旨在通过使用 RAFT (Rationale Adaptor for Few-shoT classification) 来检测网络社交媒体中的恶意语言。该方法使用多任务学习设置联合学习合理性、目标和标签，建立了两种合理性集成的 BERT-based 架构。在五个不同的虐待性语言数据集上，与基线模型相比，RAFT-based 模型在少量样本分类方面的性能提高了约 7％的宏 F1 分数，并在可信性方面胜过了 LIME / SHAP-based 方法。

Nov, 2022

本文提出了将 AI 组件纳入保证案例的更全面的证明结构，以显示其已实现定量目标的能力，包括测试结果、运行时方面、范围符合性和测试数据质量的数量化考虑和讨论.

Feb, 2022

基于知识的逻辑从公共交通事故数据集中提取出了定义危险驾驶形式的知识，这对于识别交通危险非常关键，可以监督和改进安全关键系统中的人工智能模型。同时，我们使用自动验证方法验证了这种逻辑的健壮性。

Dec, 2023