Copertina

Erasing Conceptual Knowledge from Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Gandikota, Rohit, Feucht, Sheridan, Marks, Samuel, Bau, David
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computation and Language Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Discovering Forbidden Topics in Language Models
di: Rager, Can, et al.
Pubblicazione: (2025)

Token Erasure as a Footprint of Implicit Vocabulary Items in LLMs
di: Feucht, Sheridan, et al.
Pubblicazione: (2024)

In-Context Algebra
di: Todd, Eric, et al.
Pubblicazione: (2025)

When Are Concepts Erased From Diffusion Models?
di: Lu, Kevin, et al.
Pubblicazione: (2025)

Vector Arithmetic in Concept and Token Subspaces
di: Feucht, Sheridan, et al.
Pubblicazione: (2025)

Sparse Feature Circuits: Discovering and Editing Interpretable Causal Graphs in Language Models
di: Marks, Samuel, et al.
Pubblicazione: (2024)

Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models
di: Wang, Huazheng, et al.
Pubblicazione: (2025)

The Dual-Route Model of Induction
di: Feucht, Sheridan, et al.
Pubblicazione: (2025)

Unified Concept Editing in Diffusion Models
di: Gandikota, Rohit, et al.
Pubblicazione: (2023)

Measuring Progress in Dictionary Learning for Language Model Interpretability with Board Game Models
di: Karvonen, Adam, et al.
Pubblicazione: (2024)

Distilling Diversity and Control in Diffusion Models
di: Gandikota, Rohit, et al.
Pubblicazione: (2025)

SliderSpace: Decomposing the Visual Capabilities of Diffusion Models
di: Gandikota, Rohit, et al.
Pubblicazione: (2025)

Function Vectors in Large Language Models
di: Todd, Eric, et al.
Pubblicazione: (2023)

The Consciousness Cluster: Emergent preferences of Models that Claim to be Conscious
di: Chua, James, et al.
Pubblicazione: (2026)

Editing Conceptual Knowledge for Large Language Models
di: Wang, Xiaohan, et al.
Pubblicazione: (2024)

Robustly Improving LLM Fairness in Realistic Settings via Interpretability
di: Karvonen, Adam, et al.
Pubblicazione: (2025)

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

Censored LLMs as a Natural Testbed for Secret Knowledge Elicitation
di: Casademunt, Helena, et al.
Pubblicazione: (2026)

Evaluating Sparse Autoencoders on Targeted Concept Erasure Tasks
di: Karvonen, Adam, et al.
Pubblicazione: (2024)

In-Context Learning Without Copying
di: Sahin, Kerem, et al.
Pubblicazione: (2025)

Measuring and Controlling Instruction (In)Stability in Language Model Dialogs
di: Li, Kenneth, et al.
Pubblicazione: (2024)

GeoLLM: Extracting Geospatial Knowledge from Large Language Models
di: Manvi, Rohin, et al.
Pubblicazione: (2023)

Future Lens: Anticipating Subsequent Tokens from a Single Hidden State
di: Pal, Koyena, et al.
Pubblicazione: (2023)

SAEBench: A Comprehensive Benchmark for Sparse Autoencoders in Language Model Interpretability
di: Karvonen, Adam, et al.
Pubblicazione: (2025)

Taming Knowledge Conflicts in Language Models
di: Li, Gaotang, et al.
Pubblicazione: (2025)

Knowledge Distillation from Large Language Models for Household Energy Modeling
di: Takrouri, Mohannad, et al.
Pubblicazione: (2025)

Fine-Tuning Enhances Existing Mechanisms: A Case Study on Entity Tracking
di: Prakash, Nikhil, et al.
Pubblicazione: (2024)

Alternate Preference Optimization for Unlearning Factual Knowledge in Large Language Models
di: Mekala, Anmol, et al.
Pubblicazione: (2024)

AgroLLM: Connecting Farmers and Agricultural Practices through Large Language Models for Enhanced Knowledge Transfer and Practical Application
di: Samuel, Dinesh Jackson, et al.
Pubblicazione: (2025)

Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine
di: Liu, Fenglin, et al.
Pubblicazione: (2022)

Self-Consolidating Language Models: Continual Knowledge Incorporation from Context
di: Wang, Zekun, et al.
Pubblicazione: (2026)

Beyond Linear Steering: Unified Multi-Attribute Control for Language Models
di: Oozeer, Narmeen, et al.
Pubblicazione: (2025)

Erasing with Precision: Evaluating Specific Concept Erasure from Text-to-Image Generative Models
di: Fuchi, Masane, et al.
Pubblicazione: (2025)

Neuron-Level Knowledge Attribution in Large Language Models
di: Yu, Zeping, et al.
Pubblicazione: (2023)

Dataless Knowledge Fusion by Merging Weights of Language Models
di: Jin, Xisen, et al.
Pubblicazione: (2022)

Detecting Conceptual Abstraction in LLMs
di: Regneri, Michaela, et al.
Pubblicazione: (2024)

Bridge: A Unified Framework to Knowledge Graph Completion via Language Models and Knowledge Representation
di: Qiao, Qiao, et al.
Pubblicazione: (2024)

Finding Culture-Sensitive Neurons in Vision-Language Models
di: Zhao, Xiutian, et al.
Pubblicazione: (2025)

Estimating Privacy Leakage of Augmented Contextual Knowledge in Language Models
di: Flemings, James, et al.
Pubblicazione: (2024)

A Survey on Symbolic Knowledge Distillation of Large Language Models
di: Acharya, Kamal, et al.
Pubblicazione: (2024)