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

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Deng, Qiyuan, Bai, Xuefeng, Chen, Kehai, Wang, Yaowei, Nie, Liqiang, Zhang, Min
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires