The Rise of Darkness: Safety-Utility Trade-Offs in Role-Playing Dialogue Agents
专题命中 偏好对齐 :safety(title,abstract);分类 cs.CL
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 偏好对齐 :safety(title,abstract);分类 cs.CL
专题命中 偏好对齐 :DPO(title,abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(title);DPO(abstract);分类 cs.LG
专题命中 偏好对齐 :RLHF(title,abstract);分类 cs.CL
专题命中 偏好对齐 :safety(title,abstract);分类 cs.CL
Comments NAACL 2025
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.LG
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(title);RLHF(abstract);分类 cs.LG
专题命中 偏好对齐 :RLHF(title,abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
Journal ref The Thirty-eight Conference on Neural Information Processing Systems Datasets and Benchmarks Track (2024)
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
专题命中 偏好对齐 :safety(title,abstract);分类 cs.CL
Comments Work in Progress
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.LG
专题命中 偏好对齐 :DPO(title,abstract);分类 cs.AI
Comments EMNLP 2024 Findings; 9 pages, 6 figures, 5 tables (16 pages, 8 figures, 8 tables including references and appendices)
专题命中 偏好对齐 :safety(title,abstract);分类 cs.AI
Comments Accepted at Neurips 2024
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.AI
Comments 19 pages, 16 figures
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.LG
Comments 38th Conference on Neural Information Processing Systems (NeurIPS 2024)
专题命中 偏好对齐 :RLHF(title,abstract);分类 cs.LG
专题命中 偏好对齐 :RLHF(title,abstract);分类 cs.LG
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
Comments EMNLP 2024
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
Comments EMNLP 2024
专题命中 偏好对齐 :DPO(title,abstract);分类 cs.CL
Comments Neurips 2024 camera-ready
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
Comments Accepted at EMNLP 2024 Findings Track
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.AI
Comments EMNLP 2024
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
Comments 14 pages, working in progress
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.AI
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL
专题命中 偏好对齐 :alignment(title);RLHF(abstract);分类 cs.CL
Comments 18 pages, 3 figures; Accepted by ACL-2024
专题命中 偏好对齐 :alignment(title);RLHF(abstract);分类 cs.LG