24小时热门版块排行榜

返回列表

yaoyaozero4

新虫 (初入文坛)

应助: 0 (幼儿园)
金币: 41
散金: 27
帖子: 40
在线: 3.4小时
虫号: 37243725
注册: 2026-10-13
专业: 计算机软件

[交流] 【中国科学技术大学 | IEEE】AISS 2026 | 可信与安全 AI 基础 Track 火热征稿中已有1人参与

会议信息：
简称：AISS 2026
地点：安徽·合肥
主办单位：中国科学技术大学 × IEEE ComSoc × IEEE TCCN
大会官网：https://aiss.ieee-aiconf.cn/
投稿链接：https://aiss.hotcrp.ieee-aiconf.cn/
出版检索：录用论文由IEEE Xplore出版，提交至EI Compendex/Scopus检索

会议简介:
2026人工智能安全国际会议（AISS 2026）将于 2026 年 12 月 13 日至 15 日在中国合肥召开。AISS 以 “构建可信、安全、可靠的智能” 为主题，汇聚人工智能安全、网络安全、隐私计算、AI 治理与可信系统领域的学术、产业与政策研究力量，旨在为全球可信 AI 理论基础、大模型与智能体安全、AI 全生命周期防护、隐私保护计算、具身 AI 安全保障、安全评测与红队验证、AI 治理标准与合规等相关领域的专家学者、工程技术人员和产业界代表提供一个共享科研成果、交流最新进展、探讨前沿趋势、促进技术合作与产业转化的高水平平台。欢迎国内外研究者踊跃投稿！

征稿主题:
Track 1: 可信与安全 AI 基础
Track 2: 基础模型与智能体 AI 的安全
Track 3: AI 系统与 AI 基础设施防护
Track 4: 隐私保护与机密 AI
Track 5: 具身与信息物理 AI 的安全与防护
Track 6: AI 安全评测、基准测试与安全保障
Track 7: 治理、标准与合规
Track 8: AI 赋能安全与防御

Track 简介
今天介绍的track是：Foundations of Trustworthy and Safe AI（可信与安全 AI 基础），解决 "AI 靠不靠谱、安不安全、可不可控"，主要包含四块：
1.分布偏移下的鲁棒性、泛化性与可靠性：研究当真实数据与训练数据分布不一致时，模型如何保持稳定、不出错，提升其在复杂真实环境中的抗干扰和泛化能力。
2.不确定性量化、校准与分布外检测：让模型 "知道自己什么时候不知道"—— 量化预测的不确定程度、校准置信度，并识别出训练中没见过的异常 / 分布外样本，避免盲目自信。
3.可解释性、可说明性与模型机制理解：打开模型 "黑箱"，解释每个决策依据，并用机制可解释性研究模型内部的工作原理，增强可信度与可审计性。
4.对齐、价值规范与可控 AI 系统设计：让模型目标与人类价值观对齐（Alignment），明确价值边界，设计可约束、可干预、可关停的可控系统，防范失控与滥用。
一句话总结：研究 "让 AI 更稳、更诚实、更透明、更听话"，是大模型时代的安全底座，偏可信 AI、可解释性、不确定性与 AI 对齐方向。

论文提交：
1）投稿论文须为原创、使用英文撰写，且未在其他出版渠道接受发表评审。所有投稿均实行双盲同行评审。
2）长论文最多 8 页，可额外增加最多 4 页；短论文最多 4 页，可额外增加最多 4 页；海报论文最多 2 页，可额外增加最多 2 页。超出基本页数的部分须支付额外页费。
3）稿件格式须遵 IEEE Computer Society 会议论文模板（双栏、单倍行距、10号字体）。
4）录用论文可以口头报告、海报展示或线上形式进行展示。
5）上传可供出版的论文终稿前，须先缴纳注册费。最终提交前，终稿 PDF 须通过 IEEE PDF eXpress 的格式合规检查。

回复此楼