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

Zhifeng Lu

ACL 2026可解释性效率与系统对齐与偏好
新星分贡献者
22
一作贡献0
核心/参与5
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 #4/8ACL 2026Poster· Natural Language Processing

Interpretable Safety Alignment via SAE -Constructed Low-Rank Subspace Adaptation

Dianyun Wang · Qingsen Ma · Yuhu Shang · Zhifeng Lu · Zhenbo Xu · Lechen Ning · Huijia Wu · Zhaofeng He

摘要

Safety alignment—training large language models (LLMs) to refuse harmful requests while remaining helpful—is critical for responsible deployment. Prior work established that safety behaviors are governed by low-rank structures, suggesting parameter-efficient fine-tuning (PEFT) should be well-suit...

可解释性效率与系统对齐与偏好OpenReview 项目页

常见合作者