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

Jiayi Wu

ACL 2026对齐与偏好安全可解释性
新星分贡献者
27
一作贡献0
核心/参与5
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 #7/11ACL 2026Poster· Natural Language Processing

Projecting Out the Malice: A Global Subspace Approach to LLM Detoxification

Zenghao Duan · Zhiyi Yin · Zhichao Shi · Liang Pang · Shaoling Jing · Zihe Huang · Jiayi Wu · Yu Yan · Jingcheng Deng · Huawei Shen · Xueqi Cheng

摘要

Large language models (LLMs) exhibit exceptional performance but pose inherent risks of generating toxic content, restricting their safe deployment. While traditional methods (e.g., alignment) adjust output preferences, they fail to eliminate underlying toxic regions in parameters, leaving models...

对齐与偏好安全可解释性OpenReview 项目页

常见合作者