Buchumschlag

SafeNeuron: Neuron-Level Safety Alignment for Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zhaoxin, Liang, Jiaming, Zhu, Fengbin, Zhao, Weixiang, Fang, Junfeng, Ji, Jiayi, Wang, Handing, Chua, Tat-Seng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Controllable Value Alignment in Large Language Models through Neuron-Level Editing
von: Yang, Yonghui, et al.
Veröffentlicht: (2026)

Multilingual Safety Alignment Via Sparse Weight Editing
von: Liang, Jiaming, et al.
Veröffentlicht: (2026)

Who Transfers Safety? Identifying and Targeting Cross-Lingual Shared Safety Neurons
von: Zhang, Xianhui, et al.
Veröffentlicht: (2026)

SafeMLRM: Demystifying Safety in Multi-modal Large Reasoning Models
von: Fang, Junfeng, et al.
Veröffentlicht: (2025)

Neuron-Level Sequential Editing for Large Language Models
von: Jiang, Houcheng, et al.
Veröffentlicht: (2024)

Precise Shield: Explaining and Aligning VLLM Safety via Neuron-Level Guidance
von: Shi, Enyi, et al.
Veröffentlicht: (2026)

Towards Comprehensive Post Safety Alignment of Large Language Models via Safety Patching
von: Zhao, Weixiang, et al.
Veröffentlicht: (2024)

Think Twice Before Trusting: Self-Detection for Large Language Models through Comprehensive Answer Reflection
von: Li, Moxin, et al.
Veröffentlicht: (2024)

DTVI: Dual-Stage Textual and Visual Intervention for Safe Text-to-Image Generation
von: Tan, Binhong, et al.
Veröffentlicht: (2026)

Large Language Models Empowered Personalized Web Agents
von: Cai, Hongru, et al.
Veröffentlicht: (2024)

TAT-LLM: A Specialized Language Model for Discrete Reasoning over Tabular and Textual Data
von: Zhu, Fengbin, et al.
Veröffentlicht: (2024)

DRAFT: Task Decoupled Latent Reasoning for Agent Safety
von: Wang, Lin, et al.
Veröffentlicht: (2026)

NLSR: Neuron-Level Safety Realignment of Large Language Models Against Harmful Fine-Tuning
von: Yi, Xin, et al.
Veröffentlicht: (2024)

We Should Identify and Mitigate Third-Party Safety Risks in MCP-Powered Agent Systems
von: Fang, Junfeng, et al.
Veröffentlicht: (2025)

Do LLMs and VLMs Share Neurons for Inference? Evidence and Mechanisms of Cross-Modal Transfer
von: Cui, Chenhang, et al.
Veröffentlicht: (2026)

Latent Anomaly Knowledge Excavation: Unveiling Sparse Sensitive Neurons in Vision-Language Models
von: Li, Shaotian, et al.
Veröffentlicht: (2026)

Training-Free Multimodal Large Language Model Orchestration
von: Xie, Tianyu, et al.
Veröffentlicht: (2025)

AlphaSteer: Learning Refusal Steering with Principled Null-Space Constraint
von: Sheng, Leheng, et al.
Veröffentlicht: (2025)

IGD: Token Decisiveness Modeling via Information Gain in LLMs for Personalized Recommendation
von: Lin, Zijie, et al.
Veröffentlicht: (2025)

SGM: Safety Glasses for Multimodal Large Language Models via Neuron-Level Detoxification
von: Wang, Hongbo, et al.
Veröffentlicht: (2025)

Towards Temporal-Aware Multi-Modal Retrieval Augmented Generation in Finance
von: Zhu, Fengbin, et al.
Veröffentlicht: (2025)

Implicit Jailbreak Attacks via Cross-Modal Information Concealment on Vision-Language Models
von: Wang, Zhaoxin, et al.
Veröffentlicht: (2025)

A Single Neuron Is Sufficient to Bypass Safety Alignment in Large Language Models
von: Kazemi, Hamid, et al.
Veröffentlicht: (2026)

MMDocBench: Benchmarking Large Vision-Language Models for Fine-Grained Visual Document Understanding
von: Zhu, Fengbin, et al.
Veröffentlicht: (2024)

MURE: Hierarchical Multi-Resolution Encoding via Vision-Language Models for Visual Document Retrieval
von: Zhu, Fengbin, et al.
Veröffentlicht: (2026)

Token-Level Constraint Boundary Search for Jailbreaking Text-to-Image Models
von: Liu, Jiangtao, et al.
Veröffentlicht: (2025)

On Reasoning Strength Planning in Large Reasoning Models
von: Sheng, Leheng, et al.
Veröffentlicht: (2025)

Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval
von: Fang, Xiang, et al.
Veröffentlicht: (2026)

MPO: Multilingual Safety Alignment via Reward Gap Optimization
von: Zhao, Weixiang, et al.
Veröffentlicht: (2025)

Safe + Safe = Unsafe? Exploring How Safe Images Can Be Exploited to Jailbreak Large Vision-Language Models
von: Cui, Chenhang, et al.
Veröffentlicht: (2024)

Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector
von: Huang, Youcheng, et al.
Veröffentlicht: (2024)

Suppressing Forgery-Specific Shortcuts for Generalizable Deepfake Detection
von: Wang, Yihui, et al.
Veröffentlicht: (2026)

Doc2SoarGraph: Discrete Reasoning over Visually-Rich Table-Text Documents via Semantic-Oriented Hierarchical Graphs
von: Zhu, Fengbin, et al.
Veröffentlicht: (2023)

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Heterogeneous User Modeling for LLM-based Recommendation
von: Bao, Honghui, et al.
Veröffentlicht: (2025)

Understanding Multilingualism in Mixture-of-Experts LLMs: Routing Mechanism, Expert Specialization, and Layerwise Steering
von: Chen, Yuxin, et al.
Veröffentlicht: (2026)

TraceRouter: Robust Safety for Large Foundation Models via Path-Level Intervention
von: Shi, Chuancheng, et al.
Veröffentlicht: (2026)

NeuronTune: Fine-Grained Neuron Modulation for Balanced Safety-Utility Alignment in LLMs
von: Pan, Birong, et al.
Veröffentlicht: (2025)

Let's Focus on Neuron: Neuron-Level Supervised Fine-tuning for Large Language Model
von: Xu, Haoyun, et al.
Veröffentlicht: (2024)

From Neurons to Semantics: Evaluating Cross-Linguistic Alignment Capabilities of Large Language Models via Neurons Alignment
von: Huang, Chongxuan, et al.
Veröffentlicht: (2025)