Copertina

Alignment midtraining for animals

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Brazilek, Jasmine, Tidmarsh, Miles
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computation and Language Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Emergent Search and Backtracking in Latent Reasoning Models
di: Cui, Jasmine, et al.
Pubblicazione: (2026)

EigenBench: A Comparative Behavioral Measure of Value Alignment
di: Chang, Jonathn, et al.
Pubblicazione: (2025)

Leveraging Large Language Models for Rare Disease Named Entity Recognition
di: Xi, Nan Miles, et al.
Pubblicazione: (2025)

Investigating Hallucinations in Pruned Large Language Models for Abstractive Summarization
di: Chrysostomou, George, et al.
Pubblicazione: (2023)

Alignment for Honesty
di: Yang, Yuqing, et al.
Pubblicazione: (2023)

ProgressGym: Alignment with a Millennium of Moral Progress
di: Qiu, Tianyi, et al.
Pubblicazione: (2024)

How Far Can In-Context Alignment Go? Exploring the State of In-Context Alignment
di: Huang, Heyan, et al.
Pubblicazione: (2024)

Training Dynamics of a 1.7B LLaMa Model: A Data-Efficient Approach
di: Li, Miles Q., et al.
Pubblicazione: (2024)

Teaching Models to Verbalize Reward Hacking in Chain-of-Thought Reasoning
di: Turpin, Miles, et al.
Pubblicazione: (2025)

On the Effectiveness of Incremental Training of Large Language Models
di: Li, Miles Q., et al.
Pubblicazione: (2024)

Constrain Alignment with Sparse Autoencoders
di: Yin, Qingyu, et al.
Pubblicazione: (2024)

Alignment Tuning for Large Language Models: A Data-Centric Lens on Alignment Data Pipelines
di: Song, Hwanjun
Pubblicazione: (2026)

Societal Alignment Frameworks Can Improve LLM Alignment
di: Stańczak, Karolina, et al.
Pubblicazione: (2025)

Scopes of Alignment
di: Varshney, Kush R., et al.
Pubblicazione: (2025)

On the Limitations of Steering in Language Model Alignment
di: Niranjan, Chebrolu, et al.
Pubblicazione: (2025)

Word Alignment as Preference for Machine Translation
di: Wu, Qiyu, et al.
Pubblicazione: (2024)

Inference-time Alignment in Continuous Space
di: Yuan, Yige, et al.
Pubblicazione: (2025)

Preference Ranking Optimization for Human Alignment
di: Song, Feifan, et al.
Pubblicazione: (2023)

Extracting and Understanding the Superficial Knowledge in Alignment
di: Chen, Runjin, et al.
Pubblicazione: (2025)

Agent Alignment in Evolving Social Norms
di: Li, Shimin, et al.
Pubblicazione: (2024)

Anchored Alignment for Self-Explanations Enhancement
di: Villa-Arenas, Luis Felipe, et al.
Pubblicazione: (2024)

Understanding Layer Significance in LLM Alignment
di: Shi, Guangyuan, et al.
Pubblicazione: (2024)

Pluralistic Off-policy Evaluation and Alignment
di: Huang, Chengkai, et al.
Pubblicazione: (2025)

Dynamic Alignment for Collective Agency: Toward a Scalable Self-Improving Framework for Open-Ended LLM Alignment
di: Anantaprayoon, Panatchakorn, et al.
Pubblicazione: (2025)

Prompt Injection as Role Confusion
di: Ye, Charles, et al.
Pubblicazione: (2026)

The Alignment Bottleneck in Decomposition-Based Claim Verification
di: Akhter, Mahmud Elahi, et al.
Pubblicazione: (2026)

Cat-DPO: Category-Adaptive Safety Alignment
di: Yang, Tiankai, et al.
Pubblicazione: (2026)

Reasoning Pattern Alignment Merging for Adaptive Reasoning
di: Zhong, Zhaofeng, et al.
Pubblicazione: (2026)

Exploring Alignment in Shared Cross-lingual Spaces
di: Mousi, Basel, et al.
Pubblicazione: (2024)

REAL: Response Embedding-based Alignment for LLMs
di: Zhang, Honggen, et al.
Pubblicazione: (2024)

Fake Alignment: Are LLMs Really Aligned Well?
di: Wang, Yixu, et al.
Pubblicazione: (2023)

Fundamental Limitations of Alignment in Large Language Models
di: Wolf, Yotam, et al.
Pubblicazione: (2023)

Flames: Benchmarking Value Alignment of LLMs in Chinese
di: Huang, Kexin, et al.
Pubblicazione: (2023)

Benchmarking Distributional Alignment of Large Language Models
di: Meister, Nicole, et al.
Pubblicazione: (2024)

Safety Alignment via Constrained Knowledge Unlearning
di: Shi, Zesheng, et al.
Pubblicazione: (2025)

PAD: Personalized Alignment of LLMs at Decoding-Time
di: Chen, Ruizhe, et al.
Pubblicazione: (2024)

A Practical Analysis of Human Alignment with *PO
di: Ahrabian, Kian, et al.
Pubblicazione: (2024)

SafeWorld: Geo-Diverse Safety Alignment
di: Yin, Da, et al.
Pubblicazione: (2024)

Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching
di: Miles, Roy, et al.
Pubblicazione: (2026)

Safety Is Not Universal: The Selective Safety Trap in LLM Alignment
di: Brito, Iago Alves, et al.
Pubblicazione: (2026)