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

Rui Zhang

AAAI 2026ACL 2026CVPR 2026安全多模态对齐与偏好强化学习与后训练
新星分新星
74
一作贡献30
核心/参与19
方向广度14
合作网络12
1 一作 · 3 篇 · AAAI 2026 / ACL 2026 / CVPR 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
一作ACL 2026Findings· Findings of ACL

The Art of (Mis)alignment: How Fine-Tuning Methods Effectively Misalign and Realign LLM s in Post-Training

Rui Zhang · Hongwei Li · Yun Shen · Xinyue Shen · Wenbo Jiang · Guowen Xu · Yang Liu · Michael Backes · Yang Zhang

摘要

The deployment of large language models (LLMs) raises significant ethical and safety concerns. While LLM alignment techniques are adopted to improve model safety and trustworthiness, adversaries can exploit these techniques to undermine safety for malicious purposes, resulting in misalignment . M...

安全对齐与偏好强化学习与后训练OpenReview 项目页

常见合作者