Zhengxuan Wu
吴政璇
研究者
现任 Meta TBD Lab 安全方向
最新记录任职 · 2026年斯坦福大学：计算机科学博士，Stanford NLP Group（导师 Christopher Manning、Christopher Potts）（至 2026）账号链接自 zen-wu.social · 头像来自其 X 账号，取于 2026-10-31
最近变动
Google DeepMind → Meta · Safety (TBD)
他本人的网站写着“i am now at Meta TBD working on safety”，并说他曾在 Google DeepMind 工作；他的 X 简介是“safety @Meta tbd, phd @stanfordnlp”。
LinkedIn ↗任职
现任
- Meta TBD Lab · 安全方向
曾任
- 斯坦福大学 · 计算机科学博士，Stanford NLP Group（导师 Christopher Manning、Christopher Potts）
- Google DeepMind · 可解释性研究
现任职务来自下面这些带日期的记录，不取自简介。每条都链到读过的页面。
代表研究
- XYEval: Agents say yes to bad advice ↗
测试智能体是顺从用户的错误建议，还是会反驳并指出真正的问题。
- AxBench: Steering LLMs? Even Simple Baselines Outperform Sparse Autoencoders ↗
一个语言模型操控基准，简单基线在上面胜过稀疏自编码器。
- ReFT: Representation Finetuning for Language Models ↗
不改权重，通过学习对隐藏表示的小幅修改，让冻结的语言模型适配新任务。
- pyvene: A Library for Understanding and Improving PyTorch Models via Interventions ↗
一个对 PyTorch 模型内部状态做干预的库，用于可解释性和控制。
署名均在论文本身核对过。这里只列出本站记录中的人，不是完整作者表；共同署名也不说明谁做了哪一部分。
记录里暂时没有其他提到他们的条目。
这一页有错误或遗漏？告诉我，会更正或撤下。 联系 →