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

Yu Xia

ACL 2026ICML 2026KDD 2026对齐与偏好效率与系统强化学习与后训练社会与人本可解释性
新星分贡献者
63
一作贡献0
核心/参与26
方向广度16
合作网络12
0 一作 · 3 篇 · ACL 2026 / ICML 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

3
作者位次 #3/9ACL 2026Poster· Natural Language Processing

C ache P rune: Teaching LLM s What Not to Follow via KV -Cache Editing

Rui Wang · Junda Wu · Yu Xia · Tong Yu · Ruiyi Zhang · Ryan A. Rossi · Subrata Mitra · Lina Yao · Julian J. McAuley

摘要

Large Language Models (LLMs) are susceptible to indirect prompt injection attack, where the model inadvertently responds to instructions injected into the prompt context. This vulnerability stems from LLMs’ inability to distinguish between data and instructions within a prompt. We propose CachePr...

可解释性对齐与偏好效率与系统OpenReview 项目页

常见合作者