实体
Ali Ebrahimpour-Boroojeny
Ali Ebrahimpour-Boroojeny
PulseAugur coverage of Ali Ebrahimpour-Boroojeny — every cluster mentioning Ali Ebrahimpour-Boroojeny across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的无训练方法编辑LLM权重以抵制有害指令
研究人员开发了一种新颖的无训练方法来编辑语言模型权重，旨在减少其对有害指令的遵从。该方法仅需在少量提示对上进行前向传播，并将修改直接存储在模型的权重中，使其能够抵抗基于提示的操纵。评估显示，在指令性谎言的诚实回应率方面有显著提高，并且性别歧视回应大幅减少，证明了该技术作为独立或补充安全措施的有效性。
-
新方法解决AI模型遗忘中的隐私泄露问题
研究人员发现，在类别遗忘评估中，忽视底层类别几何结构会导致被遗忘类别的泄露。他们提出了一种新的微调目标——倾斜重加权（TREW），该方法通过近似重新训练模型的输出分布来缓解这种隐私泄露。TREW旨在使遗忘类别输入的剩余类别分布相匹配，在CIFAR-10等基准测试中表现出与现有最先进方法相当或更优的性能。