Awesome RL with Human Feedback / 2026 / OpenReview

Multilingual Safety Alignment Via Sparse Weight Editing

作者：Jiaming Liang, Zhaoxin Wang, Handing Wang · 来源：OpenReview · 发布日期：2026

安全对齐对齐目标设计
新标签打开 PDF
未获取到公开可用关键图
在线论文 PDF（可滚动查看）