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

Hong Kang

ACL 2026可解释性对齐与偏好评测与基准
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #8/10ACL 2026Poster· Natural Language Processing

Preference Heads in Large Language Models: A Mechanistic Framework for Interpretable Personalization

Weixu Zhang · Ye Yuan · Changjiang Han · Yuxing Tian · Zipeng Sun · Linfeng Du · Jikun Kang · Hong Kang · Xue Liu · Haolun Wu

摘要

Large Language Models (LLMs) exhibit strong implicit personalization ability, yet most existing approaches treat this behavior as a black box, relying on prompt engineering or fine tuning on user data. In this work, we adopt a mechanistic interpretability perspective and hypothesize the existence...

可解释性对齐与偏好评测与基准OpenReview 项目页

常见合作者