ConceptGuard: Neuro-Symbolic Safety Guardrails via Sparse Interpretable Jailbreak Concepts

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Aswal, Darpan, Hudelot, Céline
Format:	Preprint
Publié:	2025
Sujets:	Computation and Language Artificial Intelligence Symbolic Computation
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2508.16325