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

Lu Bai

AAAI 2026×7ICML 2026×4ACL 2026理论与学习动力学安全代码对齐与偏好效率与系统
新星分新星
92
一作贡献30
核心/参与82
方向广度16
合作网络12
1 一作 · 12 篇 · AAAI 2026 / ICML 2026 / 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

12
作者位次 #4/5ACL 2026Poster· Natural Language Processing

Please refuse to answer me! Mitigating Over-Refusal in Large Language Models via Adaptive Contrastive Decoding

Yupeng Qi · Ziyu Lyu · Lixin Cui · Lu Bai · Feng Xia

摘要

Safety-aligned large language models (LLMs) often generate refusal responses to harmless queries due to the over-refusal problem. However, existing methods for mitigating over-refusal cannot maintain a low refusal ratio for harmless queries while keeping a high refusal ratio for malicious ones. I...

安全代码对齐与偏好OpenReview 项目页

常见合作者