paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
TH

Tianxu Han

ACL 2026安全可解释性评测与基准
新星分贡献者
35
一作贡献0
核心/参与12
方向广度6
合作网络6
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #2/11ACL 2026Poster· Natural Language Processing

Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors

Rui Yin · Tianxu Han · Naen Xu · Changjiang Li · Ping He · Chunyi Zhou · Jun Wang · Zhihui Fu · Tianyu Du · Jinbao Li · Shouling Ji

摘要

Safety-aligned large language models (LLMs) are increasingly deployed in real-world pipelines, yet this deployment also enlarges the supply-chain attack surface: adversaries can distribute backdoored checkpoints that behave normally under standard evaluation but jailbreak when a hidden trigger is...

安全可解释性评测与基准OpenReview 项目页

常见合作者