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

Aladin Djuhera

ACL 2026ICLR 2026对齐与偏好强化学习与后训练数据与预训练安全
新星分新星
78
一作贡献70
核心/参与0
方向广度11
合作网络3
2 一作 · 2 篇 · ACL 2026 / ICLR 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

2
一作ACL 2026Findings· Findings of ACL

S afe MERGE : Preserving Safety Alignment in Fine-Tuned Large Language Models via Selective Layer-Wise Model Merging

Aladin Djuhera · Swanand Ravindra Kadhe · Farhan Ahmed · Syed Zawad · Holger Boche

摘要

Fine-tuning large language models (LLMs) is a common practice to adapt generalist models to specialized domains. However, recent studies show that fine-tuning can erode safety alignment, causing LLMs to respond to harmful or unethical prompts. Many methods to realign safety have been proposed, bu...

安全对齐与偏好强化学习与后训练OpenReview 项目页

常见合作者