Efficient Model-agnostic Alignment via Bayesian Persuasion
Fuente:
arXiv
Salvato in:
| Autori principali: | Bai, Fengshuo, Wang, Mingzhi, Zhang, Zhaowei, Chen, Boyuan, Xu, Yinda, Wen, Ying, Yang, Yaodong |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Amulet: ReAlignment During Test Time for Personalized Preference Adaptation of LLMs
di: Zhang, Zhaowei, et al.
Pubblicazione: (2025)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2025)
ValueDCG: Measuring Comprehensive Human Value Understanding Ability of Language Models
di: Zhang, Zhaowei, et al.
Pubblicazione: (2023)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2023)
Roadmap on Incentive Compatibility for AI Alignment and Governance in Sociotechnical Systems
di: Zhang, Zhaowei, et al.
Pubblicazione: (2024)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2024)
Efficient Preference-based Reinforcement Learning via Aligned Experience Estimation
di: Bai, Fengshuo, et al.
Pubblicazione: (2024)
di: Bai, Fengshuo, et al.
Pubblicazione: (2024)
Magnetic Preference Optimization: Achieving Last-iterate Convergence for Language Model Alignment
di: Wang, Mingzhi, et al.
Pubblicazione: (2024)
di: Wang, Mingzhi, et al.
Pubblicazione: (2024)
Aligner: Efficient Alignment by Learning to Correct
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
Stream Aligner: Efficient Sentence-Level Alignment via Distribution Induction
di: Lou, Hantao, et al.
Pubblicazione: (2025)
di: Lou, Hantao, et al.
Pubblicazione: (2025)
LLMs Know More Than Words: A Genre Study with Syntax, Metaphor & Phonetics
di: Shi, Weiye, et al.
Pubblicazione: (2025)
di: Shi, Weiye, et al.
Pubblicazione: (2025)
Heterogeneous Value Alignment Evaluation for Large Language Models
di: Zhang, Zhaowei, et al.
Pubblicazione: (2023)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2023)
Make an Offer They Can't Refuse: Grounding Bayesian Persuasion in Real-World Dialogues without Pre-Commitment
di: He, Buwei, et al.
Pubblicazione: (2025)
di: He, Buwei, et al.
Pubblicazione: (2025)
Language Models Resist Alignment: Evidence From Data Compression
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
Panacea: Pareto Alignment via Preference Adaptation for LLMs
di: Zhong, Yifan, et al.
Pubblicazione: (2024)
di: Zhong, Yifan, et al.
Pubblicazione: (2024)
Efficient Safety Alignment of Large Language Models via Preference Re-ranking and Representation-based Reward Modeling
di: Deng, Qiyuan, et al.
Pubblicazione: (2025)
di: Deng, Qiyuan, et al.
Pubblicazione: (2025)
SAE-V: Interpreting Multimodal Models for Enhanced Alignment
di: Lou, Hantao, et al.
Pubblicazione: (2025)
di: Lou, Hantao, et al.
Pubblicazione: (2025)
Teaching LLM to be Persuasive: Reward-Enhanced Policy Optimization for Alignment from Heterogeneous Rewards
di: Zeng, Xia, et al.
Pubblicazione: (2025)
di: Zeng, Xia, et al.
Pubblicazione: (2025)
Moral Persuasion in Large Language Models: Evaluating Susceptibility and Ethical Alignment
di: Huang, Allison, et al.
Pubblicazione: (2024)
di: Huang, Allison, et al.
Pubblicazione: (2024)
Implicit Cross-Lingual Rewarding for Efficient Multilingual Preference Alignment
di: Yang, Wen, et al.
Pubblicazione: (2025)
di: Yang, Wen, et al.
Pubblicazione: (2025)
PKU-SafeRLHF: Towards Multi-Level Safety Alignment for LLMs with Human Preference
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
PoliCon: Evaluating LLMs on Achieving Diverse Political Consensus Objectives
di: Zhang, Zhaowei, et al.
Pubblicazione: (2025)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2025)
Does LLM Alignment Really Need Diversity? An Empirical Study of Adapting RLVR Methods for Moral Reasoning
di: Zhang, Zhaowei, et al.
Pubblicazione: (2026)
di: Zhang, Zhaowei, et al.
Pubblicazione: (2026)
Alignment for Efficient Tool Calling of Large Language Models
di: Xu, Hongshen, et al.
Pubblicazione: (2025)
di: Xu, Hongshen, et al.
Pubblicazione: (2025)
DEFT: Distribution-guided Efficient Fine-Tuning for Human Alignment
di: Zhu, Liang, et al.
Pubblicazione: (2026)
di: Zhu, Liang, et al.
Pubblicazione: (2026)
On the Adaptive Psychological Persuasion of Large Language Models
di: Ju, Tianjie, et al.
Pubblicazione: (2025)
di: Ju, Tianjie, et al.
Pubblicazione: (2025)
Decoupled Proxy Alignment: Mitigating Language Prior Conflict for Multimodal Alignment in MLLM
di: Tan, Chenkun, et al.
Pubblicazione: (2025)
di: Tan, Chenkun, et al.
Pubblicazione: (2025)
Benchmarking Multi-National Value Alignment for Large Language Models
di: Shi, Weijie, et al.
Pubblicazione: (2025)
di: Shi, Weijie, et al.
Pubblicazione: (2025)
Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations
di: Poungpeth, Nalin, et al.
Pubblicazione: (2026)
di: Poungpeth, Nalin, et al.
Pubblicazione: (2026)
Evaluating and Improving Cultural Awareness of Reward Models for LLM Alignment
di: Zhang, Hongbin, et al.
Pubblicazione: (2025)
di: Zhang, Hongbin, et al.
Pubblicazione: (2025)
Improve Language Model and Brain Alignment via Associative Memory
di: Yin, Congchi, et al.
Pubblicazione: (2025)
di: Yin, Congchi, et al.
Pubblicazione: (2025)
SAFER: Advancing Safety Alignment via Efficient Ex-Ante Reasoning
di: Feng, Kehua, et al.
Pubblicazione: (2025)
di: Feng, Kehua, et al.
Pubblicazione: (2025)
RAT: Adversarial Attacks on Deep Reinforcement Agents for Targeted Behaviors
di: Bai, Fengshuo, et al.
Pubblicazione: (2024)
di: Bai, Fengshuo, et al.
Pubblicazione: (2024)
FURINA: Free from Unmergeable Router via LINear Aggregation of mixed experts
di: Han, Jiayi, et al.
Pubblicazione: (2025)
di: Han, Jiayi, et al.
Pubblicazione: (2025)
SafeMT: Multi-turn Safety for Multimodal Language Models
di: Zhu, Han, et al.
Pubblicazione: (2025)
di: Zhu, Han, et al.
Pubblicazione: (2025)
AI Debaters are More Persuasive when Arguing in Alignment with Their Own Beliefs
di: Carro, María Victoria, et al.
Pubblicazione: (2025)
di: Carro, María Victoria, et al.
Pubblicazione: (2025)
Leveraging Team Correlation for Approximating Equilibrium in Two-Team Zero-Sum Games
di: Liu, Naming, et al.
Pubblicazione: (2024)
di: Liu, Naming, et al.
Pubblicazione: (2024)
SafeLawBench: Towards Safe Alignment of Large Language Models
di: Cao, Chuxue, et al.
Pubblicazione: (2025)
di: Cao, Chuxue, et al.
Pubblicazione: (2025)
The Earth is Flat because...: Investigating LLMs' Belief towards Misinformation via Persuasive Conversation
di: Xu, Rongwu, et al.
Pubblicazione: (2023)
di: Xu, Rongwu, et al.
Pubblicazione: (2023)
Merlin's Whisper: Enabling Efficient Reasoning in Large Language Models via Black-box Persuasive Prompting
di: Xia, Heming, et al.
Pubblicazione: (2025)
di: Xia, Heming, et al.
Pubblicazione: (2025)
ProgressGym: Alignment with a Millennium of Moral Progress
di: Qiu, Tianyi, et al.
Pubblicazione: (2024)
di: Qiu, Tianyi, et al.
Pubblicazione: (2024)
The Path of Self-Evolving Large Language Models: Achieving Data-Efficient Learning via Intrinsic Feedback
di: Zhang, Hangfan, et al.
Pubblicazione: (2025)
di: Zhang, Hangfan, et al.
Pubblicazione: (2025)
Benchmarking Political Persuasion Risks Across Frontier Large Language Models
di: Chen, Zhongren, et al.
Pubblicazione: (2026)
di: Chen, Zhongren, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Amulet: ReAlignment During Test Time for Personalized Preference Adaptation of LLMs
di: Zhang, Zhaowei, et al.
Pubblicazione: (2025) -
ValueDCG: Measuring Comprehensive Human Value Understanding Ability of Language Models
di: Zhang, Zhaowei, et al.
Pubblicazione: (2023) -
Roadmap on Incentive Compatibility for AI Alignment and Governance in Sociotechnical Systems
di: Zhang, Zhaowei, et al.
Pubblicazione: (2024) -
Efficient Preference-based Reinforcement Learning via Aligned Experience Estimation
di: Bai, Fengshuo, et al.
Pubblicazione: (2024) -
Magnetic Preference Optimization: Achieving Last-iterate Convergence for Language Model Alignment
di: Wang, Mingzhi, et al.
Pubblicazione: (2024)