awesome_LLM-harmful-fine-tuning-papers
一页看全有害微调攻防论文，快速摸清 LLM 安全风险
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-15 · 当前星标 ★ 254
核心亮点
- 按攻击、防御、评测等主题分类整理，便于按方向检索文献
- 对应 ACM CSUR 综述，覆盖面和研究脉络相对系统
- 聚焦 harmful fine-tuning 这一具体威胁，比泛安全清单更垂直
不足之处
- 本质是论文列表，缺少代码实现和可复现实验
- 更新依赖维护者，新论文收录可能滞后
适用场景
- 调研 LLM 微调安全风险的文献综述写作
- 为模型发布前设计有害微调红队测试方案
- 安全对齐方向研究生快速入门该子领域
替代项目
awesome-llm-security、Awesome-LLM-Safety、LLM-Attacks
上一篇：llm_chess
下一篇：svelte-bench
同类项目推荐
Cognitive-Core-Skills
开源
一套标准，量化AI的认知核心技能，让模型能力可比较。
A universal, industry-neutral taxonomy of cognitive core skills (perception, memory,···
LLM-Agent-Benchmark-List
开源
一站式查找 LLM 智能体评估基准，省去全网搜索时间
A banchmark list for evaluation of large language models.
mcp-observatory
开源
在智能体接入前，自动给 MCP 服务器做安全体检
Free, MIT-licensed MCP security testing from ClearFrame. Scan, audit, compare, and r···
Awesome-LLMs-for-Vulnerability-D···
开源
一站式追踪LLM漏洞检测前沿论文与数据集
The community's most comprehensive, continuously-updated index of research on Large ···
dsh-auto-review
开源
给DeepSeek审批加道AI安全锁，自动审查敏感操作
Second-model AI auto-review for DeepSeek Harness approval requests: a read-only revi···
PurpleLlama
开源
给大模型装上安全护栏，评测+拦截一步到位
Set of tools to assess and improve LLM security.
Modality-Integration-Rate
开源
量化视觉-语言模型跨模态对齐，诊断融合短板
[ICCV 2025] The official code of the paper "Deciphering Cross-Modal Alignment in Lar···
uncheatable_eval
开源
用最新网络数据动态出题，防止模型背答案刷分
Evaluating LLMs with Dynamic Data
dodoguard
开源
给 AI Agent 加一道全流程安全护栏，防注入防越权
DodoGuard: Take AI Agents to Production. Test, validate, and operate AI Agents befor···