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

Renjie Gu

ACL 2026安全对齐与偏好可解释性
新星分新星
48
一作贡献30
核心/参与0
方向广度6
合作网络0
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

Unlearners Can Lie: Evaluating and Improving Honesty in LLM Unlearning

Renjie Gu · Jiazhen Du · Yihua Zhang · Sijia Liu

摘要

Unlearning in large language models (LLMs) aims to remove harmful training data while preserving overall utility. However, we find that existing methods often hallucinate, generate abnormal token sequences, or behave inconsistently, raising safety and trust concerns. According to prior literature...

安全对齐与偏好可解释性OpenReview 项目页

常见合作者