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

Xiangyan Tang

AAAI 2026×4ACL 2026安全对齐与偏好效率与系统可解释性检索与知识
新星分资深
31
一作贡献0
核心/参与15
方向广度13
合作网络12
0 一作 · 5 篇 · AAAI 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

5
作者位次 #6/6ACL 2026Poster· Natural Language Processing

Safe- F ed LLM : Delving into the Safety of Federated Large Language Models

Mingxiang Tao · Yu Tian · Wenxuan Tu · Yue Yang · Xue Yang · Xiangyan Tang

摘要

Federated learning (FL) addresses privacy and data-silo issues in the training of large language models (LLMs). Most prior work focuses on improving the efficiency of federated learning for LLMs (FedLLM). However, security in open federated environments, particularly defenses against malicious cl...

安全效率与系统可解释性OpenReview 项目页

常见合作者