SelectStar，AI安全性验证论文入选ICLR 2026主会场

Source: Platum

AI 数据·可信度评估专业公司 SelectStar 自主研发的 AI 安全性验证研究论文被全球最高水平的 AI 学术会议 ICLR 2026 主轨录取。

论文录取及 ICLR 介绍

SelectStar AI Safety 团队的论文 “CAGE: A Framework for Culturally Adaptive Red-Teaming Benchmark Generation” 被选入2026年4月在巴西举办的 ICLR 主会议。ICLR 是依据 Google Scholar 被认定的 AI·机器学习领域最高水平的学术会议，今年提交的约 19,000 篇稿件中，仅约 28% 被录取。

研究核心内容

CAGE 框架

• 自动生成反映各国文化·法律语境的 AI 安全性验证用红队（Red‑Teaming）数据。
• 传统方式是将英美地区制作的数据集直接翻译使用，但无法充分体现真实风险情境，存在局限。

语义模具 (Semantic Mold)

• 引入 语义模具 概念，生成反映各国文化特性的本地化攻击问题。
• 在柬埔寨语（高棉语）等低资源语言上也表现出色。

韩国型安全性基准 – KoRSET

• 论文公开了将 CAGE 应用于韩国情境的 KoRSET（코르셋）。
• KoRSET 是考虑韩国特有文化·法律环境的安全性评估基准。

实务应用及未来计划

• CAGE 技术目前已在 SelectStar 与大型企业合作的 AI 项目中应用，用于模型漏洞检查和提升运营效率。
• 基于此次成果，SelectStar 计划将可信度评估解决方案扩展至金融、公共等对安全性要求极高的行业。
• 论文预计于 2026 年 3 月通过开源平台 ArXiv 公开。