An Adversarial Example for Direct Logit Attribution: Memory Management in GELU-4L
Fuente:
arXiv
Salvato in:
| Autori principali: | Janiak, Jett, Rager, Can, Dao, James, Lau, Yeu-Tong |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Applying sparse autoencoders to unlearn knowledge in language models
di: Farrell, Eoin, et al.
Pubblicazione: (2024)
di: Farrell, Eoin, et al.
Pubblicazione: (2024)
Chain-of-Thought Reasoning In The Wild Is Not Always Faithful
di: Arcuschin, Iván, et al.
Pubblicazione: (2025)
di: Arcuschin, Iván, et al.
Pubblicazione: (2025)
Automatically Finding Rule-Based Neurons in OthelloGPT
di: Singh, Aditya, et al.
Pubblicazione: (2025)
di: Singh, Aditya, et al.
Pubblicazione: (2025)
Discovering Forbidden Topics in Language Models
di: Rager, Can, et al.
Pubblicazione: (2025)
di: Rager, Can, et al.
Pubblicazione: (2025)
$λ$-GELU: Learning Gating Hardness for Controlled ReLU-ization in Deep Networks
di: Pérez-Corral, Cristian, et al.
Pubblicazione: (2026)
di: Pérez-Corral, Cristian, et al.
Pubblicazione: (2026)
SG-Blend: Learning an Interpolation Between Improved Swish and GELU for Robust Neural Representations
di: Sarkar, Gaurav, et al.
Pubblicazione: (2025)
di: Sarkar, Gaurav, et al.
Pubblicazione: (2025)
MemLoss: Enhancing Adversarial Training with Recycling Adversarial Examples
di: Mahdi, Soroush, et al.
Pubblicazione: (2025)
di: Mahdi, Soroush, et al.
Pubblicazione: (2025)
Towards Interpretable Adversarial Examples via Sparse Adversarial Attack
di: Lin, Fudong, et al.
Pubblicazione: (2025)
di: Lin, Fudong, et al.
Pubblicazione: (2025)
Adversarial Examples Might be Avoidable: The Role of Data Concentration in Adversarial Robustness
di: Pal, Ambar, et al.
Pubblicazione: (2023)
di: Pal, Ambar, et al.
Pubblicazione: (2023)
Sharpness-Aware Minimization in Logit Space Efficiently Enhances Direct Preference Optimization
di: Luo, Haocheng, et al.
Pubblicazione: (2026)
di: Luo, Haocheng, et al.
Pubblicazione: (2026)
A New Type of Adversarial Examples
di: Nie, Xingyang, et al.
Pubblicazione: (2025)
di: Nie, Xingyang, et al.
Pubblicazione: (2025)
Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
di: Devabhakthini, Prathyusha, et al.
Pubblicazione: (2023)
di: Devabhakthini, Prathyusha, et al.
Pubblicazione: (2023)
Towards a Novel Perspective on Adversarial Examples Driven by Frequency
di: Zhang, Zhun, et al.
Pubblicazione: (2024)
di: Zhang, Zhun, et al.
Pubblicazione: (2024)
Model Mimic Attack: Knowledge Distillation for Provably Transferable Adversarial Examples
di: Lukyanov, Kirill, et al.
Pubblicazione: (2024)
di: Lukyanov, Kirill, et al.
Pubblicazione: (2024)
Generating Realistic Adversarial Examples for Business Processes using Variational Autoencoders
di: Stevens, Alexander, et al.
Pubblicazione: (2024)
di: Stevens, Alexander, et al.
Pubblicazione: (2024)
Sparse Feature Circuits: Discovering and Editing Interpretable Causal Graphs in Language Models
di: Marks, Samuel, et al.
Pubblicazione: (2024)
di: Marks, Samuel, et al.
Pubblicazione: (2024)
Logit Distance Bounds Representational Similarity
di: Nielsen, Beatrix M. G., et al.
Pubblicazione: (2026)
di: Nielsen, Beatrix M. G., et al.
Pubblicazione: (2026)
Challenges in Mechanistically Interpreting Model Representations
di: Golechha, Satvik, et al.
Pubblicazione: (2024)
di: Golechha, Satvik, et al.
Pubblicazione: (2024)
Single Domain Generalization with Adversarial Memory
di: Yan, Hao, et al.
Pubblicazione: (2025)
di: Yan, Hao, et al.
Pubblicazione: (2025)
Contract And Conquer: How to Provably Compute Adversarial Examples for a Black-Box Model?
di: Chistyakova, Anna, et al.
Pubblicazione: (2026)
di: Chistyakova, Anna, et al.
Pubblicazione: (2026)
PEAS: A Strategy for Crafting Transferable Adversarial Examples
di: Avraham, Bar, et al.
Pubblicazione: (2024)
di: Avraham, Bar, et al.
Pubblicazione: (2024)
Instant Adversarial Purification with Adversarial Consistency Distillation
di: Lei, Chun Tong, et al.
Pubblicazione: (2024)
di: Lei, Chun Tong, et al.
Pubblicazione: (2024)
Logit Dynamics in Softmax Policy Gradient Methods
di: Li, Yingru
Pubblicazione: (2025)
di: Li, Yingru
Pubblicazione: (2025)
Peak-Controlled Logits Poisoning Attack in Federated Distillation
di: Tang, Yuhan, et al.
Pubblicazione: (2024)
di: Tang, Yuhan, et al.
Pubblicazione: (2024)
Logit Distillation on Manifolds: Mapping by Learning
di: Yang, Yiru, et al.
Pubblicazione: (2026)
di: Yang, Yiru, et al.
Pubblicazione: (2026)
Spectral Logit Sculpting: Adaptive Low-Rank Logit Transformation for Controlled Text Generation
di: Li, Jin, et al.
Pubblicazione: (2025)
di: Li, Jin, et al.
Pubblicazione: (2025)
SCALA: Split Federated Learning with Concatenated Activations and Logit Adjustments
di: Yang, Jiarong, et al.
Pubblicazione: (2024)
di: Yang, Jiarong, et al.
Pubblicazione: (2024)
From Projection to Prediction: Beyond Logits for Scalable Language Models
di: Dong, Jianbing, et al.
Pubblicazione: (2025)
di: Dong, Jianbing, et al.
Pubblicazione: (2025)
Compute-in-Memory Implementation of State Space Models for Event Sequence Processing
di: Zhang, Xiaoyu, et al.
Pubblicazione: (2025)
di: Zhang, Xiaoyu, et al.
Pubblicazione: (2025)
Adversarial Examples in the Physical World: A Survey
di: Wang, Jiakai, et al.
Pubblicazione: (2023)
di: Wang, Jiakai, et al.
Pubblicazione: (2023)
AIM: Attributing, Interpreting, Mitigating Data Unfairness
di: Liu, Zhining, et al.
Pubblicazione: (2024)
di: Liu, Zhining, et al.
Pubblicazione: (2024)
Formalising the Logit Shift Induced by LoRA: A Technical Note
di: Shi, Xiang, et al.
Pubblicazione: (2026)
di: Shi, Xiang, et al.
Pubblicazione: (2026)
Context Distillation as Latent Memory Management
di: Zheng, Ziyang, et al.
Pubblicazione: (2026)
di: Zheng, Ziyang, et al.
Pubblicazione: (2026)
Online Adversarial Knowledge Distillation for Graph Neural Networks
di: Wang, Can, et al.
Pubblicazione: (2021)
di: Wang, Can, et al.
Pubblicazione: (2021)
SHRED: Retain-Set-Free Unlearning via Self-Distillation with Logit Demotion
di: Hu, Zizhao, et al.
Pubblicazione: (2026)
di: Hu, Zizhao, et al.
Pubblicazione: (2026)
Rank-Aware Spectral Bounds on Attention Logits for Stable Low-Precision Training
di: Emadi, Seyed Morteza
Pubblicazione: (2026)
di: Emadi, Seyed Morteza
Pubblicazione: (2026)
Beyond Hidden-Layer Manipulation: Semantically-Aware Logit Interventions for Debiasing LLMs
di: Xia, Wei
Pubblicazione: (2025)
di: Xia, Wei
Pubblicazione: (2025)
Model-Level GNN Explanations via Rule-to-Graph Readout for Logit Reconstruction
di: Lu, Shengyao, et al.
Pubblicazione: (2025)
di: Lu, Shengyao, et al.
Pubblicazione: (2025)
Do Sparse Autoencoders Capture Concept Manifolds?
di: Bhalla, Usha, et al.
Pubblicazione: (2026)
di: Bhalla, Usha, et al.
Pubblicazione: (2026)
Hierarchical Delay Attribution Classification using Unstructured Text in Train Management Systems
di: Borg, Anton, et al.
Pubblicazione: (2024)
di: Borg, Anton, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Applying sparse autoencoders to unlearn knowledge in language models
di: Farrell, Eoin, et al.
Pubblicazione: (2024) -
Chain-of-Thought Reasoning In The Wild Is Not Always Faithful
di: Arcuschin, Iván, et al.
Pubblicazione: (2025) -
Automatically Finding Rule-Based Neurons in OthelloGPT
di: Singh, Aditya, et al.
Pubblicazione: (2025) -
Discovering Forbidden Topics in Language Models
di: Rager, Can, et al.
Pubblicazione: (2025) -
$λ$-GELU: Learning Gating Hardness for Controlled ReLU-ization in Deep Networks
di: Pérez-Corral, Cristian, et al.
Pubblicazione: (2026)