#Model Alignment

4개의 포스트

[논문리뷰] RubricBench: Aligning Model-Generated Rubrics with Human Standards

arXiv에 게시된 'RubricBench: Aligning Model-Generated Rubrics with Human Standards' 논문에 대한 자세한 리뷰입니다.

2026년 3월 2일

[논문리뷰] DEER: Draft with Diffusion, Verify with Autoregressive Models

Zhijie Deng이 arXiv에 게시한 'DEER: Draft with Diffusion, Verify with Autoregressive Models' 논문에 대한 자세한 리뷰입니다.

2025년 12월 17일

[논문리뷰] Emergent Misalignment via In-Context Learning: Narrow in-context examples can produce broadly misaligned LLMs

Kevin Zhu이 arXiv에 게시한 'Emergent Misalignment via In-Context Learning: Narrow in-context examples can produce broadly misaligned LLMs' 논문에 대한 자세한 리뷰입니다.

2025년 10월 20일

[논문리뷰] Behavioral Fingerprinting of Large Language Models

Xing Li이 arXiv에 게시한 'Behavioral Fingerprinting of Large Language Models' 논문에 대한 자세한 리뷰입니다.

2025년 9월 8일