Efficient Safety Alignment of Large Language Models via Preference Re-ranking and Representation-based Reward Modeling

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Deng, Qiyuan, Bai, Xuefeng, Chen, Kehai, Wang, Yaowei, Nie, Liqiang, Zhang, Min
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2503.10093