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

Yian Wang

ACL 2026ICML 2026评测与基准安全社会与人本可解释性对齐与偏好
新星分新星
65
一作贡献30
核心/参与12
方向广度13
合作网络3
1 一作 · 2 篇 · ACL 2026 / ICML 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

2
作者位次 #2/3ICML 2026Poster· Social Aspects / Security

Unlearning Isn’t Forgetting: Revealing Hidden Leakage in Class Unlearning Evaluations

Ali Ebrahimpour-Boroojeny · Yian Wang · Hari Sundaram

安全评测与基准社会与人本OpenReview
一作ACL 2026Findings· Findings of ACL

C ausal D etox: Causal Head Selection and Intervention for Language Model Detoxification

Yian Wang · Yuen Chen · Agam Goyal · Hari Sundaram

摘要

Large language models (LLMs) frequently generate toxic content, posing significant risks for safe deployment. Current mitigation strategies often degrade generation quality or require costly human annotation. We propose CausalDetox, a framework that identifies and intervenes on the specific atten...

可解释性评测与基准对齐与偏好OpenReview 项目页

常见合作者