Copertina

Influence-based Attributions can be Manipulated

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yadav, Chhavi, Wu, Ruihan, Chaudhuri, Kamalika
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

FairProof : Confidential and Certifiable Fairness for Neural Networks
di: Yadav, Chhavi, et al.
Pubblicazione: (2024)

ExpProof : Operationalizing Explanations for Confidential Models with ZKPs
di: Yadav, Chhavi, et al.
Pubblicazione: (2025)

Can We Infer Confidential Properties of Training Data from LLMs?
di: Huang, Pengrun, et al.
Pubblicazione: (2025)

Curriculum Learning for Safety Alignment
di: Kumar, Sandeep, et al.
Pubblicazione: (2026)

DPrivBench: Benchmarking LLMs' Reasoning for Differential Privacy
di: Wang, Erchi, et al.
Pubblicazione: (2026)

Better Membership Inference Privacy Measurement through Discrepancy
di: Wu, Ruihan, et al.
Pubblicazione: (2024)

Learning-Time Encoding Shapes Unlearning in LLMs
di: Wu, Ruihan, et al.
Pubblicazione: (2025)

Evaluating Deep Unlearning in Large Language Models
di: Wu, Ruihan, et al.
Pubblicazione: (2024)

Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
di: Koga, Tatsuki, et al.
Pubblicazione: (2024)

Revisiting Data Attribution for Influence Functions
di: Zhu, Hongbo, et al.
Pubblicazione: (2025)

Integrated Influence: Data Attribution with Baseline
di: Yang, Linxiao, et al.
Pubblicazione: (2025)

Interaction-Aware Influence Functions for Group Attribution
di: Heo, Jaeseung, et al.
Pubblicazione: (2026)

Accumulative SGD Influence Estimation for Data Attribution
di: Shi, Yunxiao, et al.
Pubblicazione: (2025)

Influence Functions for Scalable Data Attribution in Diffusion Models
di: Mlodozeniec, Bruno, et al.
Pubblicazione: (2024)

Diffusion Attribution Score: Evaluating Training Data Influence in Diffusion Models
di: Lin, Jinxu, et al.
Pubblicazione: (2024)

Distributional Training Data Attribution: What do Influence Functions Sample?
di: Mlodozeniec, Bruno, et al.
Pubblicazione: (2025)

Z0-Inf: Zeroth Order Approximation for Data Influence
di: Kokhlikyan, Narine, et al.
Pubblicazione: (2025)

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution
di: Kowal, Matthew, et al.
Pubblicazione: (2026)

BoolGebra: Attributed Graph-learning for Boolean Algebraic Manipulation
di: Li, Yingjie, et al.
Pubblicazione: (2024)

Synthesize, Partition, then Adapt: Eliciting Diverse Samples from Foundation Models
di: Wen, Yeming, et al.
Pubblicazione: (2024)

Harmonic Mobile Manipulation
di: Yang, Ruihan, et al.
Pubblicazione: (2023)

VRAIL: Vectorized Reward-based Attribution for Interpretable Learning
di: Kim, Jina, et al.
Pubblicazione: (2025)

Full-Atom Peptide Design based on Multi-modal Flow Matching
di: Li, Jiahan, et al.
Pubblicazione: (2024)

AIMM: An AI-Driven Multimodal Framework for Detecting Social-Media-Influenced Stock Market Manipulation
di: Neela, Sandeep
Pubblicazione: (2025)

Machine Learning with Privacy for Protected Attributes
di: Mahloujifar, Saeed, et al.
Pubblicazione: (2025)

Quantifying Manifolds: Do the manifolds learned by Generative Adversarial Networks converge to the real data manifold
di: Chaudhuri, Anupam, et al.
Pubblicazione: (2024)

Distribution Learning with Valid Outputs Beyond the Worst-Case
di: Rittler, Nick, et al.
Pubblicazione: (2024)

A Closer Look at the Learnability of Out-of-Distribution (OOD) Detection
di: Garov, Konstantin, et al.
Pubblicazione: (2025)

Pinpointing crucial steps: Attribution-based Credit Assignment for Verifiable Reinforcement Learning
di: Yin, Junxi, et al.
Pubblicazione: (2025)

Dynamic Influence Tracker: Measuring Time-Varying Sample Influence During Training
di: Xu, Jie, et al.
Pubblicazione: (2025)

Private-RAG: Answering Multiple Queries with LLMs while Keeping Your Data Private
di: Wu, Ruihan, et al.
Pubblicazione: (2025)

NN-Former: Rethinking Graph Structure in Neural Architecture Representation
di: Xu, Ruihan, et al.
Pubblicazione: (2025)

OrdMoE: Preference Alignment via Hierarchical Expert Group Ranking in Multimodal Mixture-of-Experts LLMs
di: Gao, Yuting, et al.
Pubblicazione: (2025)

Understanding and Improving Noisy Embedding Techniques in Instruction Finetuning
di: Yadav, Abhay
Pubblicazione: (2026)

SPICED: Syntactical Bug and Trojan Pattern Identification in A/MS Circuits using LLM-Enhanced Detection
di: Chaudhuri, Jayeeta, et al.
Pubblicazione: (2024)

Prompt Tuning Strikes Back: Customizing Foundation Models with Low-Rank Prompt Adaptation
di: Jain, Abhinav, et al.
Pubblicazione: (2024)

Generalized Group Data Attribution
di: Ley, Dan, et al.
Pubblicazione: (2024)

Impossibility Theorems for Feature Attribution
di: Bilodeau, Blair, et al.
Pubblicazione: (2022)

Batched Low-Rank Adaptation of Foundation Models
di: Wen, Yeming, et al.
Pubblicazione: (2023)

Enhancing LLMs for Physics Problem-Solving using Reinforcement Learning with Human-AI Feedback
di: Anand, Avinash, et al.
Pubblicazione: (2024)