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

Run Liu

ACL 2026安全效率与系统对齐与偏好
新星分贡献者
34
一作贡献0
核心/参与5
方向广度6
合作网络12
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 #3/11ACL 2026Poster· Natural Language Processing

Mitigating Over-Refusal in Aligned Large Language Models via Inference-Time Activation Energy

Eric Hanchen Jiang · Weixuan Ou · Run Liu · Shengyuan Pang · Guancheng Wan · Ranjie Duan · Wei Dong · Kai-Wei Chang · XiaoFeng Wang · Ying Nian Wu · Xinfeng Li

摘要

Safety alignment of large language models currently faces a central challenge: existing alignment techniques often prioritize mitigating responses to harmful prompts at the expense of overcautious behavior, leading models to incorrectly refuse benign requests. A key goal of safe alignment is ther...

安全效率与系统对齐与偏好OpenReview 项目页

常见合作者