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

Haozhong Wang

ACL 2026安全数据与预训练对齐与偏好
新星分新星
51
一作贡献30
核心/参与0
方向广度6
合作网络3
1 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
一作ACL 2026Poster· Natural Language Processing

Safeguarding LLM Fine-tuning via Push-Pull Distributional Alignment

Haozhong Wang · Zhuo Li · Yibo Yang · He Zhao · Hongyuan Zha · Dandan Guo

摘要

The inherent safety alignment of Large Language Models (LLMs) is prone to erosion during fine-tuning, even when using seemingly innocuous datasets. While existing defenses attempt to mitigate this via data selection, they typically rely on heuristic, instance-level assessments that neglect the gl...

安全数据与预训练对齐与偏好OpenReview 项目页

常见合作者