:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Ruihan, Yadav, Chhavi, Salakhutdinov, Russ, Chaudhuri, Kamalika
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2410.15153
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

Influence-based Attributions can be Manipulated
von: Yadav, Chhavi, et al.
Veröffentlicht: (2024)

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

Data Redaction from Conditional Generative Models
von: Kong, Zhifeng, et al.
Veröffentlicht: (2023)

Do LLMs Really Forget? Evaluating Unlearning with Knowledge Correlation and Confidence Awareness
von: Wei, Rongzhe, et al.
Veröffentlicht: (2025)

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

IoT-LM: Large Multisensory Language Models for the Internet of Things
von: Mo, Shentong, et al.
Veröffentlicht: (2024)

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

Keeping Up with the Language Models: Systematic Benchmark Extension for Bias Auditing
von: Baldini, Ioana, et al.
Veröffentlicht: (2023)

Automated Concept Discovery for LLM-as-a-Judge Preference Analysis
von: Wedgwood, James, et al.
Veröffentlicht: (2026)

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

Customizing Language Model Responses with Contrastive In-Context Learning
von: Gao, Xiang, et al.
Veröffentlicht: (2024)

SPUQ: Perturbation-Based Uncertainty Quantification for Large Language Models
von: Gao, Xiang, et al.
Veröffentlicht: (2024)

Uncertainty-Based Abstention in LLMs Improves Safety and Reduces Hallucinations
von: Tomani, Christian, et al.
Veröffentlicht: (2024)

DCR-Consistency: Divide-Conquer-Reasoning for Consistency Evaluation and Improvement of Large Language Models
von: Cui, Wendi, et al.
Veröffentlicht: (2024)

Existing Large Language Model Unlearning Evaluations Are Inconclusive
von: Feng, Zhili, et al.
Veröffentlicht: (2025)

Deep Contrastive Unlearning for Language Models
von: He, Estrid, et al.
Veröffentlicht: (2025)

Soft Prompting for Unlearning in Large Language Models
von: Bhaila, Karuna, et al.
Veröffentlicht: (2024)

Self-Correcting Decoding with Generative Feedback for Mitigating Hallucinations in Large Vision-Language Models
von: Zhang, Ce, et al.
Veröffentlicht: (2025)

Unlearning Climate Misinformation in Large Language Models
von: Fore, Michael, et al.
Veröffentlicht: (2024)

A Survey on Unlearning in Large Language Models
von: Qiu, Ruichen, et al.
Veröffentlicht: (2025)

Large Language Model Unlearning
von: Yao, Yuanshun, et al.
Veröffentlicht: (2023)

Machine Unlearning in Large Language Models
von: Gundavarapu, Saaketh Koundinya, et al.
Veröffentlicht: (2024)

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

Unlearning What Matters: Token-Level Attribution for Precise Language Model Unlearning
von: Wu, Jiawei, et al.
Veröffentlicht: (2026)

SCE: Scalable Consistency Ensembles Make Blackbox Large Language Model Generation More Reliable
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2025)

Evaluating Cross-Lingual Unlearning in Multilingual Language Models
von: Lizzo, Tyler, et al.
Veröffentlicht: (2026)

PHEONA: An Evaluation Framework for Large Language Model-based Approaches to Computational Phenotyping
von: Pungitore, Sarah, et al.
Veröffentlicht: (2025)

Rethinking Machine Unlearning for Large Language Models
von: Liu, Sijia, et al.
Veröffentlicht: (2024)

Déjà Vu Memorization in Vision-Language Models
von: Jayaraman, Bargav, et al.
Veröffentlicht: (2024)

Understanding the Dilemma of Unlearning for Large Language Models
von: Zhang, Qingjie, et al.
Veröffentlicht: (2025)

Offset Unlearning for Large Language Models
von: Huang, James Y., et al.
Veröffentlicht: (2024)

ZeroUnlearn: Few-Shot Knowledge Unlearning in Large Language Models
von: Lin, Yujie, et al.
Veröffentlicht: (2026)

On Speeding Up Language Model Evaluation
von: Zhou, Jin Peng, et al.
Veröffentlicht: (2024)

Not Every Token Needs Forgetting: Selective Unlearning to Limit Change in Utility in Large Language Model Unlearning
von: Wan, Yixin, et al.
Veröffentlicht: (2025)

Towards Safer Large Language Models through Machine Unlearning
von: Liu, Zheyuan, et al.
Veröffentlicht: (2024)

Avoiding Copyright Infringement via Large Language Model Unlearning
von: Dou, Guangyao, et al.
Veröffentlicht: (2024)

Dissecting Fine-Tuning Unlearning in Large Language Models
von: Hong, Yihuai, et al.
Veröffentlicht: (2024)

Multi-Objective Large Language Model Unlearning
von: Pan, Zibin, et al.
Veröffentlicht: (2024)