论文泛读记录

Future Events as Backdoor Triggers: Investigating Temporal Vulnerabilities in LLMs关于大模型后门攻击，以时间事件作为后门攻击的触发器。

Model Merging and Safety Alignment: One Bad Model Spoils the Bunch关于大模型的安全对齐，本文发现并提出了合并后的模型存在对齐问题，随后提出了安全合并方案以解决此问题。

Does Refusal Training in LLMs Generalize to the Past Tense?关于大模型内容安全，本文发现通过简单的将问题的时态改为过去式，就可以绕过大部分大模型的安全过滤。