Grigoriy Evseev

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• 重み付き拒否方向最適化：プロンプト別拒否方向の学習的統合によるアラインメント強化
  アラインメント/解釈可能性2026/10/21

  有害プロンプトごとの拒否方向を学習した重みで統合するWRDOを提案し、単一方向介入より拒否挙動の破壊・復元が効果的であることを複数モデルと評価器で示した論文。