Buchumschlag

Detecting Conceptual Abstraction in LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Regneri, Michaela, Abdelhalim, Alhassan, Laue, Sören
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

LLMs Explain't: A Post-Mortem on Semantic Interpretability in Transformer Models
von: Abdelhalim, Alhassan, et al.
Veröffentlicht: (2026)

Prediction is not Explanation: Revisiting the Explanatory Capacity of Mapping Embeddings
von: Herasimchyk, Hanna, et al.
Veröffentlicht: (2025)

Automating Violence Detection and Categorization from Ancient Texts
von: Abdelhalim, Alhassan, et al.
Veröffentlicht: (2025)

Parallel LLM Reasoning for Bias-Resilient, Robust Conceptual Abstraction
von: Adeseye, Aisvarya, et al.
Veröffentlicht: (2026)

Abstraction Alignment: Comparing Model-Learned and Human-Encoded Conceptual Relationships
von: Boggust, Angie, et al.
Veröffentlicht: (2024)

RLAD: Training LLMs to Discover Abstractions for Solving Reasoning Problems
von: Qu, Yuxiao, et al.
Veröffentlicht: (2025)

Ranking Entities along Conceptual Space Dimensions with LLMs: An Analysis of Fine-Tuning Strategies
von: Kumar, Nitesh, et al.
Veröffentlicht: (2024)

Llamazip: Leveraging LLaMA for Lossless Text Compression and Training Dataset Detection
von: Dréano, Sören, et al.
Veröffentlicht: (2025)

Confidence Preservation Property in Knowledge Distillation Abstractions
von: Vengertsev, Dmitry, et al.
Veröffentlicht: (2024)

Efficient Line Search Method Based on Regression and Uncertainty Quantification
von: Laue, Sören, et al.
Veröffentlicht: (2024)

When Should LLMs Be Less Specific? Selective Abstraction for Reliable Long-Form Text Generation
von: Goren, Shani, et al.
Veröffentlicht: (2026)

Structural Abstraction as an Inductive Bias for Non-Stationary Language Model Training
von: Rahmati, Elnaz, et al.
Veröffentlicht: (2026)

Analogical Reasoning Inside Large Language Models: Concept Vectors and the Limits of Abstraction
von: Opiełka, Gustaw, et al.
Veröffentlicht: (2025)

Capturing Sparks of Abstraction for the ARC Challenge
von: Andrews, Martin
Veröffentlicht: (2024)

Erasing Conceptual Knowledge from Language Models
von: Gandikota, Rohit, et al.
Veröffentlicht: (2024)

One Example Shown, Many Concepts Known! Counterexample-Driven Conceptual Reasoning in Mathematical LLMs
von: Li, Yinghui, et al.
Veröffentlicht: (2025)

SelfCheck-Eval: A Multi-Module Framework for Zero-Resource Hallucination Detection in Large Language Models
von: Muhammed, Diyana, et al.
Veröffentlicht: (2025)

Multiple Abstraction Level Retrieve Augment Generation
von: Zheng, Zheng, et al.
Veröffentlicht: (2025)

How Causal Abstraction Underpins Computational Explanation
von: Geiger, Atticus, et al.
Veröffentlicht: (2025)

Science is Exploration: Computational Frontiers for Conceptual Metaphor Theory
von: Hicke, Rebecca M. M., et al.
Veröffentlicht: (2024)

Confidence-Credibility Aware Weighted Ensembles of Small LLMs Outperform Large LLMs in Emotion Detection
von: Elgabry, Menna, et al.
Veröffentlicht: (2025)

Few-Shot Graph Out-of-Distribution Detection with LLMs
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

Causal Abstraction in Model Interpretability: A Compact Survey
von: Zhang, Yihao
Veröffentlicht: (2024)

A Conceptual Framework For Trie-Augmented Neural Networks (TANNS)
von: Adefemi, Temitayo
Veröffentlicht: (2024)

Can Multimodal LLMs Perform Time Series Anomaly Detection?
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2025)

Unknown Unknowns: Why Hidden Intentions in LLMs Evade Detection
von: Srivastav, Devansh, et al.
Veröffentlicht: (2026)

Still No Lie Detector for Language Models: Probing Empirical and Conceptual Roadblocks
von: Levinstein, B. A., et al.
Veröffentlicht: (2023)

Learning to Reason as Action Abstractions with Scalable Mid-Training RL
von: Zhang, Shenao, et al.
Veröffentlicht: (2025)

Which LLMs are Difficult to Detect? A Detailed Analysis of Potential Factors Contributing to Difficulties in LLM Text Detection
von: Thorat, Shantanu, et al.
Veröffentlicht: (2024)

Understanding Structured Financial Data with LLMs: A Case Study on Fraud Detection
von: Tan, Xuwei, et al.
Veröffentlicht: (2025)

Intent Recognition and Out-of-Scope Detection using LLMs in Multi-party Conversations
von: Castillo-López, Galo, et al.
Veröffentlicht: (2025)

Information Preserving Line Search via Bayesian Optimization
von: Labryga, Robin, et al.
Veröffentlicht: (2025)

Executable Functional Abstractions: Inferring Generative Programs for Advanced Math Problems
von: Khan, Zaid, et al.
Veröffentlicht: (2025)

NoveltyRank: A Retrieval-Augmented Framework for Conceptual Novelty Estimation in AI Research
von: Yan, Zhengxu, et al.
Veröffentlicht: (2025)

ReGAL: Refactoring Programs to Discover Generalizable Abstractions
von: Stengel-Eskin, Elias, et al.
Veröffentlicht: (2024)

XFacta: Contemporary, Real-World Dataset and Evaluation for Multimodal Misinformation Detection with Multimodal LLMs
von: Xiao, Yuzhuo, et al.
Veröffentlicht: (2025)

STELLA: Guiding Large Language Models for Time Series Forecasting with Semantic Abstractions
von: Fan, Junjie, et al.
Veröffentlicht: (2025)

Cost-Effective Hallucination Detection for LLMs
von: Valentin, Simon, et al.
Veröffentlicht: (2024)

Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models
von: Zheng, Huaixiu Steven, et al.
Veröffentlicht: (2023)

Towards Understanding Multi-Task Learning (Generalization) of LLMs via Detecting and Exploring Task-Specific Neurons
von: Leng, Yongqi, et al.
Veröffentlicht: (2024)