访问官网
Github
文档
论文项目介绍：Awesome-LM-SSP
概述
Awesome-LM-SSP 是一个专注于大型模型（LMs）在可信度方面的多维度资源合集，尤其是涉及多模态的大型模型，诸如视觉-语言模型和扩散模型等。这个项目现阶段正在进行中，目前主要通过人工收集方式整合相关资源。
特色标签
项目根据不同模型和应用的特性，设置了丰富的标签系统：
-
模型类型：
- LLM（大型语言模型）
- VLM（视觉-语言模型）
- SLM（语音-语言模型）
- Diffusion（扩散模型）
-
注释类别：
- Benchmark：基准测试
- New dataset：新数据集
- Agent：代理
- CodeGen：代码生成
- Defense：防御
- RAG：随机访问生成
- Chinese：中文
-
发布平台：
- conference：会议
- blog：博客
- OpenAI
- Meta AI
资源推荐
项目接受资源推荐，如果有相关资源可以通过 GitHub Issues 提交建议。提交格式需要包括标题、链接、代码、发布平台、分类、模型和注释等信息。
最新动态
- 2024年8月17日：从 ACL'24 收集了 34 篇相关论文。
- 2024年5月13日：从 S&P'24 收集了 7 篇相关论文。
- 2024年4月27日：调整了类别分类。
- 2024年1月20日：从 NDSS'24 收集了 3 篇相关论文。
- 2024年1月17日：从 ICLR'24 收集了 108 篇相关论文。
- 2024年1月9日：LM-SSP 正式发布！
资源收集
项目包含了广泛的资源类别，包括：
- 书籍、竞赛、排行榜、工具包和调查
- 论文总计1211篇，涵盖安全性、安全性和隐私等方面：
- 安全性（676篇），如一般安全、越狱、对齐、深度伪造、伦理、公平性、幻觉、提示注入、毒性等子分类。
- 安全性（184篇），包括对抗示例、毒性与后门、系统等主题。
- 隐私性（351篇），涉及污染、版权、数据重建、成员推断攻击、模型提取、隐私保护计算、属性推断攻击、遗忘等。
项目感谢
项目由以下组织者发起：丛天硕、何新磊、赵正宇、刘禹更、冉德龙。此外，项目受到了诸如 LLM Security 和 PLMpapers 等项目的启发。
