Knowing Without Saying: How Contextual Evidence Survives but Fails to Surface in Transformers
Ruochen Jin · Tianyu Pang · Chenxi Lin · Lei Hsiung · Jun Jie Ou Yang · Tao Wen · Yujun Yan · Yaoqing Yang
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。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Ruochen Jin · Tianyu Pang · Chenxi Lin · Lei Hsiung · Jun Jie Ou Yang · Tao Wen · Yujun Yan · Yaoqing Yang
Lin Shi · Haowei Lin · Zixuan Zhu · Xiaoyue Zhou · Xiang Li · Xiangning Lin · Yaxuan Deng · Han Xu · Yuangang Li · Shanda Li · Zizhao Chen · Hanwen Xing · Harsh Raj · Bo Chen · Quan Shi · Steven Dillmann · Yipeng Gao · Puneesh Khanna · Ruofan Lu · Chao Zhou · Michael Yang · Robert Zhang · Siyuan Chai · Jiayu Chang · Yizhao Chen · Xiaokun Chen · Yiwei Dai · Wenting Yang · Hange Liu · Minghao Liu · Zihan Wang · Adnan E Assadi · Benedikt Stroebl · Estefany Kelly Buchanan · Han Meng · Junwei He · Longxuan YU · Radin Shayanfar · Yukyung Lee · Zhikang Dong · Allen G Hart · Anjiang Wei · Anurag Kashyap · Arpandeep Khatua · Audrey J Zheng · Chengrui Ma · David Heineman · dubing · Hai-Anh Trinh · Haishuo Fang · Hefan Zhang · Hui Shen · Issa Sugiura · Jiankai Sun · Jiechao Gao · Junhong Lin · Junnan Li · Kai Yang · Lei Hsiung · Maoyu Wang · Mengze Tang · Nabil Omi · Negin Raoof · Nicholas Edwards · Ruohao Guo · Orfeas Menis Mastromichalakis · Ryan Ji · Przemysław Hejman · Qi Qi · Qunshu Lin · Richard Zhuang · Rui Yang · Ruichen Zheng · Ryan Marten · Shaghayegh Fazliani · Shizheng Hou · Sicong Jiang · Sijie Li · Song Bian · Terry Yue Zhuo · Tianqing Wu · Tom Tang · Wanjia Zhao · Weihao Xuan · Wenhua Liang · Xian Liu · Xin Lan · Ruby Zhang · Xuandong Zhao · Yanchuan Tang · Yifan Jiang · Yijiang Li · Yitong Guan · Yizhi Li · YONGHUI LIU · Yuheng Tang · Yujun Mao · Yunfei Zhao · Yuxin Wang · Yuxuan Tang · Zhenheng Tang · Zhifei Li · Ziruo Wang · Ziyu She · Kaiyuan Liu · Iheb Chaabane · Yuxin Tang · Xiangyi Li · Soroush Vosoughi · Sanmi Koyejo · Di He · Etash Guha · Benjamin Feuer · Andy Konwinski · Boxuan Li · Leon L Chen · Alex Dimakis · Nicholas Carlini · Mike Merrill · Ludwig Schmidt · Alex Shaw
Lei Hsiung · Tianyu Pang · Yung-Chen Tang · Linyue Song · Tsung-Yi Ho · Pin-Yu Chen · Yaoqing Yang
Recent advancements in large language models (LLMs) have underscored their vulnerability to safety alignment jailbreaks, particularly when subjected to downstream fine-tuning. However, existing mitigation strategies primarily focus on reactively addressing jailbreak incidents after safety guardra...
Tianyu Pang · Yujie Fang · Zihang Liu · Shenyang Deng · Lei Hsiung · Shuhua Yu · Yaoqing Yang
Muon has recently shown promising results in LLM training. In this work, we study how to further improve Muon. We argue that Muon’s orthogonalized update rule suppresses the emergence of heavy-tailed weight spectra and over-emphasizes the training along noise-dominated directions. Motivated by th...