小熊的小站

Light Alignment Improves LLM Safety via Model Self-Reflection with a Single Neuron

（arxiv 2026）

2026-02-12

#深度学习 #大模型

FraudShield： Knowledge Graph Empowered Defense for LLMs against Fraud Attacks

2026-02-11

#深度学习 #大模型

PoisonedEye：Knowledge Poisoning Attack on Retrieval-Augmented Generation based Large Vision-Language Models

（ICML 2025）

2026-02-09

#深度学习 #RAG

TraceDet： Hallucination Detection from the Decoding Trace of Diffusion Large Language Models

（ICLR 2026）

2026-02-09

#深度学习 #大模型

Hallucination Begins Where Saliency Drops

（ICLR 2026）

2026-02-09

#深度学习 #多模态 #大模型

REACT：SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS

（ICLR 2023）姚顺雨腾讯实习之作。

2026-02-08

#深度学习 #大模型 #agent

RAGLens： Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders

（ICLR 2026）

2026-02-08

#深度学习 #大模型 #RAG

Why Steering Works：Toward a Unified View of Language Model Parameter Dynamics

（arxiv 2026）将全量微调、LoRA、激活干预统一。很好的文章！

2026-02-06

#深度学习 #大模型

LLM-VA： Resolving the Jailbreak-Overrefusal Trade-off via Vector Alignment

(arxiv 2026) Large Language Model Vector Alignment (LLM-VA)

2026-02-06

#深度学习 #大模型

AlphaSteer： Learning Refusal Steering with Principled Null-Space Constraint

（ICLR 2026）之前看alphaedit和nullu就有过将二者融合起来。没想到已经有人做了。

2026-02-06

#深度学习 #大模型