arXiv · NLP· Tiankai Yang, Yi Nian, Xinyuan Li, Ruiyao Xu, Henry Peng Zou, Kaize Ding, Xiyang Hu, Yan Liu, Yue Zhao·· 10 天前AI 评分31
Cat-DPO 算法:基于类别自适应安全对齐
Cat-DPO: Category-Adaptive Safety Alignment
AI 导读
论文提出 Cat-DPO 算法,将安全对齐构建为每类别约束优化问题。 该算法在 DPO 基础上引入针对每个伤害类别的自适应安全边界,并在 Neurips 2026 发表。
来源:arXiv · NLP · arxiv.org