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

Jie Yu

AAAI 2026ACL 2026CVPR 2026多模态安全可解释性对齐与偏好效率与系统
新星分资深
18
一作贡献0
核心/参与0
方向广度16
合作网络3
0 一作 · 3 篇 · AAAI 2026 / ACL 2026 / CVPR 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

3
作者位次 #8/8ACL 2026Poster· Natural Language Processing

JPU : Bridging Jailbreak Defense and Unlearning via On-Policy Path Rectification

Xi Wang · Songlei Jian · Shasha Li · Xiaopeng Li · Zhaoye Li · Bin Ji · Baosheng Wang · Jie Yu

摘要

Despite extensive safety alignment, Large Language Models (LLMs) often fail against jailbreak attacks. While machine unlearning has emerged as a promising defense by erasing specific harmful parameters, current methods remain vulnerable to diverse jailbreaks. We first conduct an empirical study a...

安全可解释性对齐与偏好OpenReview 项目页

常见合作者