Buchumschlag

Alignment midtraining for animals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Brazilek, Jasmine, Tidmarsh, Miles
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

Alignment for Honesty
von: Yang, Yuqing, et al.
Veröffentlicht: (2023)

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

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

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

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

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

Constrain Alignment with Sparse Autoencoders
von: Yin, Qingyu, et al.
Veröffentlicht: (2024)

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

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

Scopes of Alignment
von: Varshney, Kush R., et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

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

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

Prompt Injection as Role Confusion
von: Ye, Charles, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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