Buchumschlag

What Evidence Do Language Models Find Convincing?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Alexander, Wallace, Eric, Klein, Dan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Emergent Capabilities by Finetuning
von: Snell, Charlie, et al.
Veröffentlicht: (2024)

What Do Language Models Learn in Context? The Structured Task Hypothesis
von: Li, Jiaoda, et al.
Veröffentlicht: (2024)

What Large Language Models Do Not Talk About: An Empirical Study of Moderation and Censorship Practices
von: Noels, Sander, et al.
Veröffentlicht: (2025)

GenAudit: Fixing Factual Errors in Language Model Outputs with Evidence
von: Krishna, Kundan, et al.
Veröffentlicht: (2024)

Discovering Latent Knowledge in Language Models Without Supervision
von: Burns, Collin, et al.
Veröffentlicht: (2022)

Function Vectors in Large Language Models
von: Todd, Eric, et al.
Veröffentlicht: (2023)

Explaining Datasets in Words: Statistical Models with Natural Language Parameters
von: Zhong, Ruiqi, et al.
Veröffentlicht: (2024)

Contrastive Perplexity for Controlled Generation: An Application in Detoxifying Large Language Models
von: Klein, Tassilo, et al.
Veröffentlicht: (2024)

Unfamiliar Finetuning Examples Control How Language Models Hallucinate
von: Kang, Katie, et al.
Veröffentlicht: (2024)

Compared to What? Baselines and Metrics for Counterfactual Prompting
von: Yang, Zihao, et al.
Veröffentlicht: (2026)

Do Large Language Models Need Intent? Revisiting Response Generation Strategies for Service Assistant
von: Bolshinsky, Inbal, et al.
Veröffentlicht: (2025)

Learning to Model the World with Language
von: Lin, Jessy, et al.
Veröffentlicht: (2023)

Model Internal Sleuthing: Finding Lexical Identity and Inflectional Features in Modern Language Models
von: Li, Michael, et al.
Veröffentlicht: (2025)

A Single-Layer Model Can Do Language Modeling
von: Wang, Zanmin
Veröffentlicht: (2026)

Do Large Language Model Benchmarks Test Reliability?
von: Vendrow, Joshua, et al.
Veröffentlicht: (2025)

What Do Large Language Models Know? Tacit Knowledge as a Potential Causal-Explanatory Structure
von: Budding, Céline
Veröffentlicht: (2025)

Do Activation Verbalization Methods Convey Privileged Information?
von: Li, Millicent, et al.
Veröffentlicht: (2025)

What is Wrong with Perplexity for Long-context Language Modeling?
von: Fang, Lizhe, et al.
Veröffentlicht: (2024)

Can Language Models Recognize Convincing Arguments?
von: Rescala, Paula, et al.
Veröffentlicht: (2024)

Do LLMs Find Human Answers To Fact-Driven Questions Perplexing? A Case Study on Reddit
von: Seegmiller, Parker, et al.
Veröffentlicht: (2024)

Unforgettable Generalization in Language Models
von: Zhang, Eric, et al.
Veröffentlicht: (2024)

What Will My Model Forget? Forecasting Forgotten Examples in Language Model Refinement
von: Jin, Xisen, et al.
Veröffentlicht: (2024)

DoTA: Weight-Decomposed Tensor Adaptation for Large Language Models
von: Hu, Xiaolin, et al.
Veröffentlicht: (2024)

Discursive Circuits: How Do Language Models Understand Discourse Relations?
von: Miao, Yisong, et al.
Veröffentlicht: (2025)

What Do Language Models Hear? Probing for Auditory Representations in Language Models
von: Ngo, Jerry, et al.
Veröffentlicht: (2024)

Structural Pruning of Pre-trained Language Models via Neural Architecture Search
von: Klein, Aaron, et al.
Veröffentlicht: (2024)

Finding Culture-Sensitive Neurons in Vision-Language Models
von: Zhao, Xiutian, et al.
Veröffentlicht: (2025)

The Heuristic Core: Understanding Subnetwork Generalization in Pretrained Language Models
von: Bhaskar, Adithya, et al.
Veröffentlicht: (2024)

SILO Language Models: Isolating Legal Risk In a Nonparametric Datastore
von: Min, Sewon, et al.
Veröffentlicht: (2023)

The Vulnerability of Language Model Benchmarks: Do They Accurately Reflect True LLM Performance?
von: Banerjee, Sourav, et al.
Veröffentlicht: (2024)

Comparison of Scoring Rationales Between Large Language Models and Human Raters
von: Hua, Haowei, et al.
Veröffentlicht: (2025)

Can LLMs Separate Instructions From Data? And What Do We Even Mean By That?
von: Zverev, Egor, et al.
Veröffentlicht: (2024)

Measuring What LLMs Think They Do: SHAP Faithfulness and Deployability on Financial Tabular Classification
von: AlMarri, Saeed, et al.
Veröffentlicht: (2025)

Protected group bias and stereotypes in Large Language Models
von: Kotek, Hadas, et al.
Veröffentlicht: (2024)

Large Language Model Prompt Datasets: An In-depth Analysis and Insights
von: Zhang, Yuanming, et al.
Veröffentlicht: (2025)

Do LLMs Overcome Shortcut Learning? An Evaluation of Shortcut Challenges in Large Language Models
von: Yuan, Yu, et al.
Veröffentlicht: (2024)

Do Transformers Use their Depth Adaptively? Evidence from a Relational Reasoning Task
von: Curth, Alicia, et al.
Veröffentlicht: (2026)

Fantastic Biases (What are They) and Where to Find Them
von: Barriere, Valentin
Veröffentlicht: (2024)

EvidenceRL: Reinforcing Evidence Consistency for Trustworthy Language Models
von: Tamo, J. Ben, et al.
Veröffentlicht: (2026)

ParaScopes: What do Language Models Activations Encode About Future Text?
von: Pochinkov, Nicky, et al.
Veröffentlicht: (2025)