Georgia Institute of Technology（佐治亚理工学院）

Antidote: Post-fine-tuning Safety Alignment for Large Language Models against Harmful Fine-tuning

Tiansheng Huang, Gautam Bhattacharya, Pratik Joshi, Josh Kimball, Ling Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Dolby Laboratories（杜比实验室） 纠错

Comments Rejected by AAAI25-AIA. Accepted by ICML25. Authors are thankful to the anonymous reviewers from both AAAI25-AIA and ICML25

PersonaGym: Evaluating Persona Agents and LLMs

Vinay Samuel, Henry Peng Zou, Yue Zhou, Shreyas Chaudhari, Ashwin Kalyan, Tanmay Rajpurohit, Ameet Deshpande, Karthik Narasimhan, Vishvak Murahari

机构 * University of Maryland, College Park（马里兰大学 College Park分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Georgia Tech（佐治亚理工学院） ； Princeton University（普林斯顿大学） 纠错

Comments EMNLP Findings 2025

Why Language Models Hallucinate

Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang

机构 * OpenAI ； Georgia Tech（佐治亚理工学院） 纠错