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

Hiroki Furuta

ACL 2026CVPR 2026ICML 2026可解释性社会与人本推理多模态评测与基准
新星分贡献者
53
一作贡献0
核心/参与19
方向广度16
合作网络6
0 一作 · 3 篇 · ACL 2026 / CVPR 2026 / ICML 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 #2/5ACL 2026Poster· Natural Language Processing

Understanding Emergent Misalignment via Feature Superposition Geometry

Gouki Minegishi · Hiroki Furuta · Takeshi Kojima · Yusuke Iwasawa · Yutaka Matsuo

摘要

Emergent misalignment, where fine-tuning on narrow, non-harmful tasks induces harmful behaviors, poses a key challenge for AI safety in LLMs. Despite growing empirical evidence, its underlying mechanism remains unclear. To uncover the reason behind this phenomenon, we propose a mechanistic accoun...

安全可解释性社会与人本OpenReview 项目页

常见合作者