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

Marzyeh Ghassemi

ICLR 2026×3ACL 2026社会与人本对齐与偏好安全数据与预训练
新星分资深
15
一作贡献0
核心/参与5
方向广度11
合作网络0
0 一作 · 4 篇 · ICLR 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

4
作者位次 #3/4ACL 2026Poster· Natural Language Processing

SFTM ix: Elevating Language Model Instruction Tuning with Mixup Recipe

Yuxin Xiao · Shujian Zhang · Marzyeh Ghassemi · Wenxuan Zhou

摘要

To acquire instruction-following capabilities, large language models (LLMs) undergo instruction tuning, where they are trained on instruction-response pairs using next-token prediction (NTP). Efforts to improve instruction tuning often focus on higher-quality supervised fine-tuning (SFT) datasets...

数据与预训练社会与人本对齐与偏好OpenReview 项目页

常见合作者