团队动态

我们关于通过微码对真实x86 CPU进行模糊测试的论文获得NDSS 2026杰出论文奖。这篇文章介绍研究发现。

我们的获奖论文，研究校准数据被污染时保形预测的表现。这篇文章介绍研究发现。

我们发表于NeurIPS 2017的最佳论文，提出一种时间复杂度随样本量线性增长的拟合优度检验。这篇文章介绍研究发现。

在首尔NDSS 2027期间举办的研讨会，围绕一个问题展开：我们如何判断一个大模型或智能体是否足够安全？论文投稿截止日期为2026年12月11日。

我们关于只微调少量安全相关神经元、从而提升大模型安全性的论文被IEEE S&P 2027录用。这篇文章介绍NeST的工作原理。

我们关于监督学习中数据污染通用理论的论文发表于Journal of Machine Learning Research（JMLR）。这篇文章介绍研究发现。

我们关于攻击混合专家（MoE）大模型安全对齐的论文被USENIX Security 2026录用。这篇文章介绍研究发现。

我们关于对齐大模型神经元级攻击的论文被NDSS Symposium 2026录用。这篇文章介绍研究发现。

我们发表于NeurIPS 2022的论文，研究如何检验只能采样、无法给出概率的生成模型。这篇文章介绍研究发现。

我们关于弱监督学习的著作由MIT Press出版。这篇文章介绍这本书的内容。

我们发表于ICML 2021的论文，研究弯曲几何空间上模型的拟合优度检验。这篇文章介绍研究发现。