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

Yanrui Du

ACL 2026KDD 2026安全可解释性强化学习与后训练评测与基准检索与知识
新星分新星
65
一作贡献30
核心/参与9
方向广度13
合作网络6
1 一作 · 2 篇 · ACL 2026 / KDD 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

2
一作ACL 2026Poster· Natural Language Processing

Toward Secure Tuning: Mitigating Security Risks from Instruction Fine-Tuning

Yanrui Du · Fenglei Fan · Sendong Zhao · Jiawei Cao · Ming Ma · Danyang Zhao · Shuren Qi · Ting Liu · Bing Qin

摘要

Instruction Fine-Tuning (IFT) has emerged as a critical technique for customizing Large Language Models (LLMs) to meet diverse downstream applications. However, recent studies have revealed that IFT can compromise the built-in security mechanisms of LLMs, thereby posing significant security risks...

安全可解释性强化学习与后训练OpenReview 项目页

常见合作者