Buchumschlag

Fine-Tuning, Quantization, and LLMs: Navigating Unintended Outcomes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Divyanshu, Kumar, Anurakt, Agarwal, Sahil, Harshangi, Prashanth
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SAGE-RT: Synthetic Alignment data Generation for Safety Evaluation and Red Teaming
von: Kumar, Anurakt, et al.
Veröffentlicht: (2024)

No Free Lunch with Guardrails
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2025)

Quantifying CBRN Risk in Frontier Models
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2025)

Beyond Text: Multimodal Jailbreaking of Vision-Language and Audio Models through Perceptually Simple Transformations
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2025)

Investigating Implicit Bias in Large Language Models: A Large-Scale Study of Over 50 LLMs
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2024)

BugWhisperer: Fine-Tuning LLMs for SoC Hardware Vulnerability Detection
von: Tarek, Shams, et al.
Veröffentlicht: (2025)

Persistent Backdoor Attacks under Continual Fine-Tuning of LLMs
von: Cui, Jing, et al.
Veröffentlicht: (2025)

Differentiation-Based Extraction of Proprietary Data from Fine-Tuned LLMs
von: Li, Zongjie, et al.
Veröffentlicht: (2025)

Quantum Gatekeeper: Multi-Factor Context-Bound Image Steganography with VQC Based Key Derivation on Quantum Hardware
von: Tomar, Sahil, et al.
Veröffentlicht: (2026)

Guardians of Trust: Navigating Data Security in AIOps through Vendor Partnerships
von: Kumar, Subhadip
Veröffentlicht: (2023)

Analysing Safety Risks in LLMs Fine-Tuned with Pseudo-Malicious Cyber Security Data
von: ElZemity, Adel, et al.
Veröffentlicht: (2025)

A Systematic Evaluation of Parameter-Efficient Fine-Tuning Methods for the Security of Code LLMs
von: Lee, Kiho, et al.
Veröffentlicht: (2025)

Scam Shield: Multi-Model Voting and Fine-Tuned LLMs Against Adversarial Attacks
von: Chang, Chen-Wei, et al.
Veröffentlicht: (2025)

Defending MoE LLMs against Harmful Fine-Tuning via Safety Routing Alignment
von: Kim, Jaehan, et al.
Veröffentlicht: (2025)

CurricuLLM: Designing Personalized and Workforce-Aligned Cybersecurity Curricula Using Fine-Tuned LLMs
von: Nijdam, Arthur, et al.
Veröffentlicht: (2026)

Automated Classification of Cybercrime Complaints using Transformer-based Language Models for Hinglish Texts
von: Rani, Nanda, et al.
Veröffentlicht: (2024)

PACZero: PAC-Private Fine-Tuning of Language Models via Sign Quantization
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

FTSmartAudit: A Knowledge Distillation-Enhanced Framework for Automated Smart Contract Auditing Using Fine-Tuned LLMs
von: Wei, Zhiyuan, et al.
Veröffentlicht: (2024)

Towards Effective Offensive Security LLM Agents: Hyperparameter Tuning, LLM as a Judge, and a Lightweight CTF Benchmark
von: Shao, Minghao, et al.
Veröffentlicht: (2025)

Benchmarking Large Language Models for Zero-shot and Few-shot Phishing URL Detection
von: Hasan, Najmul, et al.
Veröffentlicht: (2026)

Safe Delta: Consistently Preserving Safety when Fine-Tuning LLMs on Diverse Datasets
von: Lu, Ning, et al.
Veröffentlicht: (2025)

CTIGuardian: A Few-Shot Framework for Mitigating Privacy Leakage in Fine-Tuned LLMs
von: Arachchige, Shashie Dilhara Batan, et al.
Veröffentlicht: (2025)

On the Effectiveness of Instruction-Tuning Local LLMs for Identifying Software Vulnerabilities
von: Park, Sangryu, et al.
Veröffentlicht: (2025)

Silent Sabotage During Fine-Tuning: Few-Shot Rationale Poisoning of Compact Medical LLMs
von: Xie, Jingyuan, et al.
Veröffentlicht: (2026)

PEFT-as-an-Attack! Jailbreaking Language Models during Federated Parameter-Efficient Fine-Tuning
von: Li, Shenghui, et al.
Veröffentlicht: (2024)

Fine-Tuning Small Language Models for Solution-Oriented Windows Event Log Analysis
von: Akhtar, Siraaj, et al.
Veröffentlicht: (2026)

TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering
von: Hossain, Saad, et al.
Veröffentlicht: (2026)

Accuracy and Efficiency Trade-Offs in LLM-Based Malware Detection and Explanation: A Comparative Study of Parameter Tuning vs. Full Fine-Tuning
von: Gravereaux, Stephen C., et al.
Veröffentlicht: (2025)

A Survey on Offensive AI Within Cybersecurity
von: Girhepuje, Sahil, et al.
Veröffentlicht: (2024)

Data Provenance Auditing of Fine-Tuned Large Language Models with a Text-Preserving Technique
von: Li, Yanming, et al.
Veröffentlicht: (2025)

Dual-Priv Pruning : Efficient Differential Private Fine-Tuning in Multimodal Large Language Models
von: Wei, Qianshan, et al.
Veröffentlicht: (2025)

Exploring AI in Steganography and Steganalysis: Trends, Clusters, and Sustainable Development Potential
von: Sahu, Aditya Kumar, et al.
Veröffentlicht: (2025)

SENTAUR: Security EnhaNced Trojan Assessment Using LLMs Against Undesirable Revisions
von: Bhandari, Jitendra, et al.
Veröffentlicht: (2024)

DP-FedLoRA: Privacy-Enhanced Federated Fine-Tuning for On-Device Large Language Models
von: Xu, Honghui, et al.
Veröffentlicht: (2025)

Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors
von: Li, Zi, et al.
Veröffentlicht: (2026)

RewardDS: Privacy-Preserving Fine-Tuning for Large Language Models via Reward Driven Data Synthesis
von: Wang, Jianwei, et al.
Veröffentlicht: (2025)

VeriLoRA: Fine-Tuning Large Language Models with Verifiable Security via Zero-Knowledge Proofs
von: Liao, Guofu, et al.
Veröffentlicht: (2025)

VERA: Validation and Enhancement for Retrieval Augmented systems
von: Birur, Nitin Aravind, et al.
Veröffentlicht: (2024)

Security Document Classification with a Fine-Tuned Local Large Language Model: Benchmark Data and an Open-Source System
von: Dobrovolskyi, Ivan
Veröffentlicht: (2026)

Self-Mined Hardness for Safety Fine-Tuning
von: Gupta, Prakhar, et al.
Veröffentlicht: (2026)