Buchumschlag

Fighting Fire with Fire: Adversarial Prompting to Generate a Misinformation Detection Dataset

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Satapara, Shrey, Mehta, Parth, Ganguly, Debasis, Modha, Sandip
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Fire Thief Is Also the Keeper: Balancing Usability and Privacy in Prompts
von: Shen, Zhili, et al.
Veröffentlicht: (2024)

IITK at SemEval-2024 Task 4: Hierarchical Embeddings for Detection of Persuasion Techniques in Memes
von: Chikoti, Shreenaga, et al.
Veröffentlicht: (2024)

Fighting Fire with Fire (F3): A Training-free and Efficient Visual Adversarial Example Purification Method in LVLMs
von: Zhang, Yudong, et al.
Veröffentlicht: (2025)

Fight Back Against Jailbreaking via Prompt Adversarial Tuning
von: Mo, Yichuan, et al.
Veröffentlicht: (2024)

Fact4ac at the Financial Misinformation Detection Challenge Task: Reference-Free Financial Misinformation Detection via Fine-Tuning and Few-Shot Prompting of Large Language Models
von: Hoang, Cuong, et al.
Veröffentlicht: (2026)

Uncertainty Resolution in Misinformation Detection
von: Orlovskiy, Yury, et al.
Veröffentlicht: (2024)

On Adversarial Robustness and Out-of-Distribution Robustness of Large Language Models
von: Yang, April, et al.
Veröffentlicht: (2024)

Teaching with Lies: Curriculum DPO on Synthetic Negatives for Hallucination Detection
von: Pandit, Shrey, et al.
Veröffentlicht: (2025)

Misinformation Detection using Large Language Models with Explainability
von: Patel, Jainee, et al.
Veröffentlicht: (2025)

SynDy: Synthetic Dynamic Dataset Generation Framework for Misinformation Tasks
von: Shliselberg, Michael, et al.
Veröffentlicht: (2024)

MoLoRA: Composable Specialization via Per-Token Adapter Routing
von: Shah, Shrey, et al.
Veröffentlicht: (2026)

Interpretable Multimodal Misinformation Detection with Logic Reasoning
von: Liu, Hui, et al.
Veröffentlicht: (2023)

Geometry-Guided Adversarial Prompt Detection via Curvature and Local Intrinsic Dimension
von: Yung, Canaan, et al.
Veröffentlicht: (2025)

Generating Synthetic Datasets for Few-shot Prompt Tuning
von: Guo, Xu, et al.
Veröffentlicht: (2024)

Debate-to-Detect: Reformulating Misinformation Detection as a Real-World Debate with Large Language Models
von: Han, Chen, et al.
Veröffentlicht: (2025)

Testing the Generalization of Neural Language Models for COVID-19 Misinformation Detection
von: Wahle, Jan Philip, et al.
Veröffentlicht: (2021)

Explore the Potential of LLMs in Misinformation Detection: An Empirical Study
von: Chen, Mengyang, et al.
Veröffentlicht: (2023)

Capturing Pertinent Symbolic Features for Enhanced Content-Based Misinformation Detection
von: Merenda, Flavio, et al.
Veröffentlicht: (2024)

Can LLM-Generated Misinformation Be Detected?
von: Chen, Canyu, et al.
Veröffentlicht: (2023)

Large Language Models in Fire Engineering: An Examination of Technical Questions Against Domain Knowledge
von: Hostetter, Haley, et al.
Veröffentlicht: (2024)

Evidence-Driven Retrieval Augmented Response Generation for Online Misinformation
von: Yue, Zhenrui, et al.
Veröffentlicht: (2024)

Harnessing Chain-of-Thought Metadata for Task Routing and Adversarial Prompt Detection
von: Marinelli, Ryan, et al.
Veröffentlicht: (2025)

On the Reliability of Large Language Models to Misinformed and Demographically-Informed Prompts
von: Aremu, Toluwani, et al.
Veröffentlicht: (2024)

Fight Fire with Fire: Defending Against Malicious RL Fine-Tuning via Reward Neutralization
von: Cao, Wenjun
Veröffentlicht: (2025)

Are Rationales Necessary and Sufficient? Tuning LLMs for Explainable Misinformation Detection
von: Wang, Bing, et al.
Veröffentlicht: (2026)

Toward Verifiable Misinformation Detection: A Multi-Tool LLM Agent Framework
von: Cui, Zikun, et al.
Veröffentlicht: (2025)

$\textit{LinkPrompt}$: Natural and Universal Adversarial Attacks on Prompt-based Language Models
von: Xu, Yue, et al.
Veröffentlicht: (2024)

Misinforming LLMs: vulnerabilities, challenges and opportunities
von: Zhou, Bo, et al.
Veröffentlicht: (2024)

Rainbow Teaming: Open-Ended Generation of Diverse Adversarial Prompts
von: Samvelyan, Mikayel, et al.
Veröffentlicht: (2024)

Query-Based Adversarial Prompt Generation
von: Hayase, Jonathan, et al.
Veröffentlicht: (2024)

SiLQ: Simple Large Language Model Quantization-Aware Training
von: Esser, Steven K., et al.
Veröffentlicht: (2025)

UMass-BioNLP at MEDIQA-M3G 2024: DermPrompt -- A Systematic Exploration of Prompt Engineering with GPT-4V for Dermatological Diagnosis
von: Vashisht, Parth, et al.
Veröffentlicht: (2024)

Seeing Symbols, Missing Cultures: Probing Vision-Language Models' Reasoning on Fire Imagery and Cultural Meaning
von: Yu, Haorui, et al.
Veröffentlicht: (2025)

Hidding the Ghostwriters: An Adversarial Evaluation of AI-Generated Student Essay Detection
von: Peng, Xinlin, et al.
Veröffentlicht: (2024)

Using Persuasive Writing Strategies to Explain and Detect Health Misinformation
von: Kamali, Danial, et al.
Veröffentlicht: (2022)

Zero-Shot Warning Generation for Misinformative Multimodal Content
von: Delvecchio, Giovanni Pio, et al.
Veröffentlicht: (2025)

SelfPrompt: Autonomously Evaluating LLM Robustness via Domain-Constrained Knowledge Guidelines and Refined Adversarial Prompts
von: Pei, Aihua, et al.
Veröffentlicht: (2024)

LLM Robustness Against Misinformation in Biomedical Question Answering
von: Bondarenko, Alexander, et al.
Veröffentlicht: (2024)

Human-Readable Adversarial Prompts: An Investigation into LLM Vulnerabilities Using Situational Context
von: Das, Nilanjana, et al.
Veröffentlicht: (2024)

FireCastNet: Earth-as-a-Graph for Seasonal Fire Prediction
von: Michail, Dimitrios, et al.
Veröffentlicht: (2025)