Buchumschlag

Investigating Adversarial Trigger Transfer in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meade, Nicholas, Patel, Arkil, Reddy, Siva
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How to Get Your LLM to Generate Challenging Problems for Evaluation
von: Patel, Arkil, et al.
Veröffentlicht: (2025)

Evaluating In-Context Learning of Libraries for Code Generation
von: Patel, Arkil, et al.
Veröffentlicht: (2023)

Forecasting Downstream Performance of LLMs With Proxy Metrics
von: Patel, Arkil, et al.
Veröffentlicht: (2026)

Exploiting Instruction-Following Retrievers for Malicious Information Retrieval
von: BehnamGhader, Parishad, et al.
Veröffentlicht: (2025)

SafeArena: Evaluating the Safety of Autonomous Web Agents
von: Tur, Ada Defne, et al.
Veröffentlicht: (2025)

AgentRewardBench: Evaluating Automatic Evaluations of Web Agent Trajectories
von: Lù, Xing Han, et al.
Veröffentlicht: (2025)

Evaluating Correctness and Faithfulness of Instruction-Following Models for Question Answering
von: Adlakha, Vaibhav, et al.
Veröffentlicht: (2023)

Scope Ambiguities in Large Language Models
von: Kamath, Gaurav, et al.
Veröffentlicht: (2024)

Are self-explanations from Large Language Models faithful?
von: Madsen, Andreas, et al.
Veröffentlicht: (2024)

Language Models Largely Exhibit Human-like Constituent Ordering Preferences
von: Tur, Ada Defne, et al.
Veröffentlicht: (2025)

DeepSeek-R1 Thoughtology: Let's think about LLM Reasoning
von: Marjanović, Sara Vera, et al.
Veröffentlicht: (2025)

Faithfulness Measurable Masked Language Models
von: Madsen, Andreas, et al.
Veröffentlicht: (2023)

AutoAdv: Automated Adversarial Prompting for Multi-Turn Jailbreaking of Large Language Models
von: Reddy, Aashray, et al.
Veröffentlicht: (2025)

LLM2Vec-Gen: Generative Embeddings from Large Language Models
von: BehnamGhader, Parishad, et al.
Veröffentlicht: (2026)

TF-Attack: Transferable and Fast Adversarial Attacks on Large Language Models
von: Li, Zelin, et al.
Veröffentlicht: (2024)

Toward Understanding the Transferability of Adversarial Suffixes in Large Language Models
von: Ball, Sarah, et al.
Veröffentlicht: (2025)

LLM2Vec: Large Language Models Are Secretly Powerful Text Encoders
von: BehnamGhader, Parishad, et al.
Veröffentlicht: (2024)

BELL: Benchmarking the Explainability of Large Language Models
von: Ahmed, Syed Quiser, et al.
Veröffentlicht: (2025)

Not All Data Are Unlearned Equally
von: Krishnan, Aravind, et al.
Veröffentlicht: (2025)

Advancing Adversarial Suffix Transfer Learning on Aligned Large Language Models
von: Liu, Hongfu, et al.
Veröffentlicht: (2024)

Universal Adversarial Triggers
von: Arockiaraj, Benedict Florance, et al.
Veröffentlicht: (2026)

Measuring Non-Adversarial Reproduction of Training Data in Large Language Models
von: Aerni, Michael, et al.
Veröffentlicht: (2024)

When does word order matter and when doesn't it?
von: Chen, Xuanda, et al.
Veröffentlicht: (2024)

If there's a Trigger Warning, then where's the Trigger? Investigating Trigger Warnings at the Passage Level
von: Wiegmann, Matti, et al.
Veröffentlicht: (2024)

Investigating Political and Demographic Associations in Large Language Models Through Moral Foundations Theory
von: Smith-Vaniz, Nicole, et al.
Veröffentlicht: (2025)

Analyzing the Safety of Japanese Large Language Models in Stereotype-Triggering Prompts
von: Nakanishi, Akito, et al.
Veröffentlicht: (2025)

Robustness of Large Language Models Against Adversarial Attacks
von: Tao, Yiyi, et al.
Veröffentlicht: (2024)

A Compositional Typed Semantics for Universal Dependencies
von: Bradford, Laurestine, et al.
Veröffentlicht: (2024)

The StatCan Dialogue Dataset: Retrieving Data Tables through Conversations with Genuine Intents
von: Lu, Xing Han, et al.
Veröffentlicht: (2023)

Triggers Hijack Language Circuits: A Mechanistic Analysis of Backdoor Behaviors in Large Language Models
von: Lasnier, Théo, et al.
Veröffentlicht: (2026)

Cats Confuse Reasoning LLM: Query Agnostic Adversarial Triggers for Reasoning Models
von: Rajeev, Meghana, et al.
Veröffentlicht: (2025)

Investigating Numerical Translation with Large Language Models
von: Tang, Wei, et al.
Veröffentlicht: (2025)

Investigating Model Editing for Unlearning in Large Language Models
von: Hossain, Shariqah, et al.
Veröffentlicht: (2025)

Low-Resource Authorship Style Transfer: Can Non-Famous Authors Be Imitated?
von: Patel, Ajay, et al.
Veröffentlicht: (2022)

Are Large Language Models Truly Smarter Than Humans?
von: M, Eshwar Reddy, et al.
Veröffentlicht: (2026)

Investigating Cultural Alignment of Large Language Models
von: AlKhamissi, Badr, et al.
Veröffentlicht: (2024)

AdvSumm: Adversarial Training for Bias Mitigation in Text Summarization
von: Gupta, Mukur, et al.
Veröffentlicht: (2025)

Cross-Lingual Optimization for Language Transfer in Large Language Models
von: Lee, Jungseob, et al.
Veröffentlicht: (2025)

Adversarial Confusion Attack: Disrupting Multimodal Large Language Models
von: Hoscilowicz, Jakub, et al.
Veröffentlicht: (2025)

On Adversarial Robustness of Language Models in Transfer Learning
von: Turbal, Bohdan, et al.
Veröffentlicht: (2024)