Buchumschlag

Certifying Counterfactual Bias in LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chaudhary, Isha, Hu, Qian, Kumar, Manoj, Ziyadi, Morteza, Gupta, Rahul, Singh, Gagandeep
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Certifying Knowledge Comprehension in LLMs
von: Chaudhary, Isha, et al.
Veröffentlicht: (2024)

How Catastrophic is Your LLM? Certifying Risk in Conversation
von: Wang, Chengxiao, et al.
Veröffentlicht: (2025)

Bypassing the Safety Training of Open-Source LLMs with Priming Attacks
von: Vega, Jason, et al.
Veröffentlicht: (2023)

Revealing Interpretable Failure Modes of VLMs
von: Chaudhary, Isha, et al.
Veröffentlicht: (2026)

C-MORAL: Controllable Multi-Objective Molecular Optimization with Reinforcement Alignment for LLMs
von: Gao, Rui, et al.
Veröffentlicht: (2026)

Formal Synthesis of Certifiably Robust Neural Lyapunov-Barrier Certificates
von: Wang, Chengxiao, et al.
Veröffentlicht: (2026)

Quantitative Certification of Agentic Tool Selection
von: Yeon, Jehyeok, et al.
Veröffentlicht: (2025)

Explainable AML Triage with LLMs: Evidence Retrieval and Counterfactual Checks
von: Torres, Dorothy, et al.
Veröffentlicht: (2026)

Data Shifts Hurt CoT: A Theoretical Study
von: Yin, Lang, et al.
Veröffentlicht: (2025)

Probabilistic Trust Intervals for Out of Distribution Detection
von: Singh, Gagandeep, et al.
Veröffentlicht: (2021)

Specification Generation for Neural Networks in Systems
von: Chaudhary, Isha, et al.
Veröffentlicht: (2024)

Mitigating Gender Bias in Depression Detection via Counterfactual Inference
von: Hu, Mingxuan, et al.
Veröffentlicht: (2025)

BeyondBench: Contamination-Resistant Evaluation of Reasoning in Language Models
von: Srivastava, Gaurav, et al.
Veröffentlicht: (2025)

Quantization Undoes Alignment: Bias Emergence in Compressed LLMs Across Models and Precision Levels
von: Rath, Plawan Kumar, et al.
Veröffentlicht: (2026)

Can LLMs Reconcile Knowledge Conflicts in Counterfactual Reasoning
von: Yamin, Khurram, et al.
Veröffentlicht: (2025)

Ensuring Equitable Financial Decisions: Leveraging Counterfactual Fairness and Deep Learning for Bias
von: Shinde, Saish
Veröffentlicht: (2024)

Universal Black-Box Reward Poisoning Attack against Offline Reinforcement Learning
von: Xu, Yinglun, et al.
Veröffentlicht: (2024)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

Neural Breadcrumbs: Membership Inference Attacks on LLMs Through Hidden State and Attention Pattern Analysis
von: Makhija, Disha, et al.
Veröffentlicht: (2025)

Compression Aware Certified Training
von: Xu, Changming, et al.
Veröffentlicht: (2025)

COMET: Neural Cost Model Explanation Framework
von: Chaudhary, Isha, et al.
Veröffentlicht: (2023)

Rollout Roulette: A Probabilistic Inference Approach to Inference-Time Scaling of LLMs using Particle-Based Monte Carlo Methods
von: Puri, Isha, et al.
Veröffentlicht: (2025)

Relative Counterfactual Contrastive Learning for Mitigating Pretrained Stance Bias in Stance Detection
von: Zhang, Jiarui, et al.
Veröffentlicht: (2024)

Understanding Adversarial Transfer: Why Representation-Space Attacks Fail Where Data-Space Attacks Succeed
von: Gupta, Isha, et al.
Veröffentlicht: (2025)

Constraint-Anchored Attribution: Feasibility-Certified Counterfactuals and Bonferroni-PAC Sufficient Subsets for Neural CO Policies
von: Lafifi, Sohaib
Veröffentlicht: (2026)

Beyond the Known: Decision Making with Counterfactual Reasoning Decision Transformer
von: Nguyen, Minh Hoang, et al.
Veröffentlicht: (2025)

Weight Pruning Amplifies Bias: A Multi-Method Study of Compressed LLMs for Edge AI
von: Rath, Plawan Kumar, et al.
Veröffentlicht: (2026)

Explaining Fine Tuned LLMs via Counterfactuals A Knowledge Graph Driven Framework
von: Wang, Yucheng, et al.
Veröffentlicht: (2025)

Stochastic Monkeys at Play: Random Augmentations Cheaply Break LLM Safety Alignment
von: Vega, Jason, et al.
Veröffentlicht: (2024)

ECPO: Evidence-Coupled Policy Optimization for Evidence-Certified Candidate Ranking
von: Hu, Miaobo, et al.
Veröffentlicht: (2026)

Cer-Eval: Certifiable and Cost-Efficient Evaluation Framework for LLMs
von: Wang, Ganghua, et al.
Veröffentlicht: (2025)

GCFX: Generative Counterfactual Explanations for Deep Graph Models at the Model Level
von: Hu, Jinlong, et al.
Veröffentlicht: (2026)

Provably Adaptive Average Reward Reinforcement Learning for Metric Spaces
von: Kar, Avik, et al.
Veröffentlicht: (2024)

SafetyNet: Detecting Harmful Outputs in LLMs by Modeling and Monitoring Deceptive Behaviors
von: Chaudhary, Maheep, et al.
Veröffentlicht: (2025)

CluCERT: Certifying LLM Robustness via Clustering-Guided Denoising Smoothing
von: Wang, Zixia, et al.
Veröffentlicht: (2025)

From Narrow Unlearning to Emergent Misalignment: Causes, Consequences, and Containment in LLMs
von: Mushtaq, Erum, et al.
Veröffentlicht: (2025)

Representer Theorems for Metric and Preference Learning: Geometric Insights and Algorithms
von: Morteza, Peyman
Veröffentlicht: (2023)

Awakening Dormant Experts:Counterfactual Routing to Mitigate MoE Hallucinations
von: Hu, Wentao, et al.
Veröffentlicht: (2026)

Relative Bias: A Comparative Framework for Quantifying Bias in LLMs
von: Arbabi, Alireza, et al.
Veröffentlicht: (2025)

Ablation Based Counterfactuals
von: Dai, Zheng, et al.
Veröffentlicht: (2024)