大模型对齐与安全

Stackelberg Self-Annotation: A Robust Approach to Data-Efficient LLM Alignment

Stackelberg 自注释：一种鲁棒的数据高效 LLM 对齐方法

Xu Chu, Zhixin Zhang, Tianyu Jia, Yujie Jin

机构 * Key Laboratory of High Confidence Software Technologies, Ministry of Education（高可信软件技术重点实验室，教育部） ； Center on Frontiers of Computing Studies, Peking University（计算前沿研究中心，北京大学） ； School of Computer Science, Peking University（计算机学院，北京大学） 纠错

专题命中 偏好对齐 ：alignment(title,abstract)；分类 cs.LG

AI总结 本文提出Stackelberg自标注方法，通过少量人工标注和迭代自我标注，实现高效LLM对齐，减少对昂贵人工标注的依赖。

Do Political Opinions Transfer Between Western Languages? An Analysis of Unaligned and Aligned Multilingual LLMs

政治观点在西方语言之间是否转移？对未对齐和对齐的多语言大语言模型的分析

Franziska Weeber, Tanise Ceron, Sebastian Padó

机构 * University of Stuttgart（斯图加特大学） ； Bocconi University（博科尼大学） 纠错

专题命中 偏好对齐 ：alignment(abstract)；分类 cs.CL、cs.CY

AI总结 研究探讨多语言大语言模型在五种西方语言中政治观点的转移情况，发现对齐前模型观点差异小，对齐后观点在各语言间均匀转移。

Comments EACL2026