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

Lang Mo

ACL 2026效率与系统安全评测与基准
新星分贡献者
32
一作贡献0
核心/参与12
方向广度6
合作网络3
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 #2/7ACL 2026Findings· Findings of ACL

Representation-Guided Parameter-Efficient LLM Unlearning

Zeguan Xiao · Lang Mo · Yun Chen · Lei Yang · Jiehui Zhao · Lili Yang · Guanhua Chen

摘要

Large Language Models (LLMs) often memorize sensitive or harmful information, necessitating effective machine unlearning techniques. While existing parameter-efficient unlearning methods have shown promise, they still struggle with the forget-retain trade-off. This can be attributed to their reli...

效率与系统安全评测与基准OpenReview 项目页

常见合作者