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

Lixin Fan

AAAI 2026ACL 2026CVPR 2026ICLR 2026安全社会与人本多模态数据与预训练可解释性
新星分贡献者
60
一作贡献0
核心/参与20
方向广度19
合作网络12
0 一作 · 4 篇 · AAAI 2026 / ACL 2026 / CVPR 2026 / ICLR 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 #3/4ICLR 2026Poster· Social Aspects / Privacy-preserving Statistics and Machine Learning

Towards Privacy-Guaranteed Label Unlearning in Vertical Federated Learning: Few-Shot Forgetting Without Disclosure

Hanlin Gu · Hong Xi Tae · Lixin Fan · Chee Seng Chan

安全社会与人本OpenReview
作者位次 #4/6ACL 2026Poster· Natural Language Processing

F ed P roxy: Federated Fine-Tuning of LLM s via Proxy SLM s and Heterogeneity-Aware Fusion

Tao Fan · Guoqiang Ma · Yuanfeng SONG · Lixin Fan · Kai Chen · Qiang Yang

摘要

Federated fine-tuning of Large Language Models (LLMs) is obstructed by a trilemma of challenges: protecting LLMs intellectual property (IP), ensuring client privacy, and mitigating performance loss on heterogeneous data. Existing methods like Offsite-Tuning (OT) secure the LLMs IP by having clien...

可解释性效率与系统安全OpenReview 项目页

常见合作者