Token-Level Inference-Time Alignment for Vision-Language Models
机构 * Zhejiang University(浙江大学) ; Sun Yat-sen University(中山大学)
专题命中 偏好对齐 :alignment(title,abstract);DPO(abstract);分类 cs.AI
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
机构 * Zhejiang University(浙江大学) ; Sun Yat-sen University(中山大学)
专题命中 偏好对齐 :alignment(title,abstract);DPO(abstract);分类 cs.AI
机构 * Columbia University(哥伦比亚大学) ; Stern School of Business(斯特恩商学院) ; New York University(纽约大学) ; DAMO Academy, Alibaba Group US(阿里云达摩院)
专题命中 偏好对齐 :alignment(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted to NeurIPS 2025
机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China(国家新型软件技术实验室,南京大学) ; School of Artificial Intelligence, Nanjing University, China(人工智能学院,南京大学)
专题命中 偏好对齐 :RLHF(title,abstract);分类 cs.LG
Comments NeurIPS 2025; The first two authors contributed equally
机构 * University of Cambridge(剑桥大学) ; Cohere For AI
专题命中 偏好对齐 :RLHF(abstract);safety(abstract);分类 cs.CL、cs.AI
机构 * University of Science and Technology of China(中国科学技术大学) ; Alibaba Group(阿里巴巴集团) ; Institute of Dataspace, Hefei Comprehensive National Science Center(数据空间研究所,合肥综合性国家科学中心) ; MoE Key Lab of BIPC, University of Science and Technology of China(BIPC联合实验室,中国科学技术大学)
专题命中 偏好对齐 :RLHF(abstract);DPO(abstract);分类 cs.AI、cs.LG
专题命中 偏好对齐 :alignment(abstract);DPO(abstract);分类 cs.AI、cs.LG
Comments Published as a main conference track paper at NeurIPS 2025
机构 * School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)
专题命中 偏好对齐 :alignment(abstract);DPO(abstract);分类 cs.LG
Comments arXiv admin note: substantial text overlap with arXiv:2509.02709
专题命中 偏好对齐 :safety(abstract);AI safety(abstract);分类 cs.CL
Comments NeurIPS 2025 D&B Paper (Oral); Camera-Ready Version
机构 * University of California, Los Angeles(加州大学洛杉矶分校)
专题命中 偏好对齐 :alignment(abstract);DPO(abstract);分类 cs.CL
Comments 20 pages
机构 * Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL、cs.AI、cs.LG
Comments NeurIPS 2025
机构 * ETH Zürich(苏黎世联邦理工学院)
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments NeurIPS 2025
机构 * AIMI Center Stanford University(AIMI中心 斯坦福大学)
专题命中 偏好对齐 :safety(abstract);分类 cs.CL、cs.AI
机构 * University of Science and Technology of China(中国科学技术大学) ; Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) ; Shanghai Jiao Tong University(上海交通大学) ; Chinese University of Hong Kong(香港中文大学)
专题命中 偏好对齐 :alignment(abstract);分类 cs.LG
机构 * Center for Healthcare Organization and Implementation Research, VA Bedford Health Care(VA贝德福德医疗中心健康组织与实施研究中心) ; Miner School of Computer and Information Sciences, University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校计算机与信息科学学院) ; Manning College of Information and Computer Sciences, University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校信息与计算机科学学院)
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI
Comments Accepted in EMNLP 2025 Findings
专题命中 偏好对齐 :alignment(abstract)
Comments 14 pages, 1 table. Includes test protocol transcript and multi-system response data