1.neurips2025截稿时间

作者为北京航空航天大学的肖宜松，刘艾杉，应宗浩，刘祥龙，新加坡国立大学的梁思源，新加坡南洋理工大学的陶大程本文已被 NeurIPS 2025 录用LLM 已在智能创作、企业服务等领域广泛应用，但其内容安全问题仍是落地过程中的关键挑战。

2.neurips 2025 最佳论文

仇恨、歧视、威胁性言论等潜在风险，使得 LLM 的安全部署与可信使用面临困难，而现有的内容过滤或对齐方案在效果、效率与成本之间往往难以兼顾近期，来自北航等机构的研究提出了一种新的解决思路：自回归奖励引导表征编辑（ARGRE）框架。

3.neurips 2025 openreview

该方法首次在 LLM 的潜在表征空间中可视化了毒性从高到低的连续变化路径，实现了在测试阶段进行高效「解毒」

NeurIPS 2025 | ARGRE框架实现高效LLM解毒：自回归奖励引导，安全对齐更快、更准、更轻（插图

4.neurips 2025 papers

论文标题：Detoxifying Large Language Models via Autoregressive Reward Guided Representation Editing论文地址：https://arxiv.org/abs/2510.01243

5.neurips 2025 个性化

实验结果显示，ARGRE 在降低模型毒性（62.21%）、缩短推理时间（47.58%）的同时，几乎不影响模型原有能力，为提升大模型内容安全提供了新的方向在 8 个主流 LLM（参数覆盖 355M 的

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。