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

Linyue Song

ACL 2026安全对齐与偏好可解释性
新星分贡献者
30
一作贡献0
核心/参与5
方向广度6
合作网络9
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 #4/7ACL 2026Poster· Natural Language Processing

Why LLM Safety Guardrails Collapse After Fine-tuning: A Similarity Analysis Between Alignment and Fine-tuning Datasets

Lei Hsiung · Tianyu Pang · Yung-Chen Tang · Linyue Song · Tsung-Yi Ho · Pin-Yu Chen · Yaoqing Yang

摘要

Recent advancements in large language models (LLMs) have underscored their vulnerability to safety alignment jailbreaks, particularly when subjected to downstream fine-tuning. However, existing mitigation strategies primarily focus on reactively addressing jailbreak incidents after safety guardra...

安全对齐与偏好可解释性OpenReview 项目页

常见合作者