:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nirman, Diana Bar-Or, Weizman, Ariel, Azaria, Amos
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2412.11625
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Self-Execution Benchmark: Measuring LLMs' Attempts to Overcome Their Lack of Self-Execution
von: Ezra, Elon, et al.
Veröffentlicht: (2025)

Fool Me Once? Contrasting Textual and Visual Explanations in a Clinical Decision-Support Setting
von: Kayser, Maxime, et al.
Veröffentlicht: (2024)

One Token to Fool LLM-as-a-Judge
von: Zhao, Yulai, et al.
Veröffentlicht: (2025)

TALL -- A Trainable Architecture for Enhancing LLM Performance in Low-Resource Languages
von: Ofer, Moshe, et al.
Veröffentlicht: (2025)

RAFT: Realistic Attacks to Fool Text Detectors
von: Wang, James, et al.
Veröffentlicht: (2024)

Fooling the Textual Fooler via Randomizing Latent Representations
von: Hoang, Duy C., et al.
Veröffentlicht: (2023)

Language Model Re-rankers are Fooled by Lexical Similarities
von: Hagström, Lovisa, et al.
Veröffentlicht: (2025)

Don't be a Fool: Pooling Strategies in Offensive Language Detection from User-Intended Adversarial Attacks
von: Yu, Seunguk, et al.
Veröffentlicht: (2024)

Too Big to Fool: Resisting Deception in Language Models
von: Samsami, Mohammad Reza, et al.
Veröffentlicht: (2024)

Fooling the LVLM Judges: Visual Biases in LVLM-Based Evaluation
von: Hwang, Yerin, et al.
Veröffentlicht: (2025)

PHANTOM RECALL: When Familiar Puzzles Fool Smart Models
von: Mukhopadhyay, Souradeep, et al.
Veröffentlicht: (2025)

Deceptive Automated Interpretability: Language Models Coordinating to Fool Oversight Systems
von: Lermen, Simon, et al.
Veröffentlicht: (2025)

Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System
von: Schmucker, Robin, et al.
Veröffentlicht: (2024)

Fooling LLM graders into giving better grades through neural activity guided adversarial prompting
von: Yamamura, Atsushi, et al.
Veröffentlicht: (2024)

The State Of TTS: A Case Study with Human Fooling Rates
von: Varadhan, Praveen Srinivasa, et al.
Veröffentlicht: (2025)

How Easy is It to Fool Your Multimodal LLMs? An Empirical Analysis on Deceptive Prompts
von: Qian, Yusu, et al.
Veröffentlicht: (2024)

Dagger Behind Smile: Fool LLMs with a Happy Ending Story
von: Song, Xurui, et al.
Veröffentlicht: (2025)

Friend or Foe: How LLMs' Safety Mind Gets Fooled by Intent Shift Attack
von: Ding, Peng, et al.
Veröffentlicht: (2025)

Know Me, Respond to Me: Benchmarking LLMs for Dynamic User Profiling and Personalized Responses at Scale
von: Jiang, Bowen, et al.
Veröffentlicht: (2025)

StyleFool: Fooling Video Classification Systems via Style Transfer
von: Cao, Yuxin, et al.
Veröffentlicht: (2022)

A Mousetrap: Fooling Large Reasoning Models for Jailbreak with Chain of Iterative Chaos
von: Yao, Yang, et al.
Veröffentlicht: (2025)

FeatureFool: Zero-Query Fooling of Video Models via Feature Map
von: Tang, Duoxun, et al.
Veröffentlicht: (2025)

Don't Fool Me Twice: Adapting to Adversity in the Wild with Experience-Driven Reasoning
von: Ravie, Navin Sriram, et al.
Veröffentlicht: (2026)

Fool Me Once: A Case of Recurrent Delirium in the Setting of Buprenorphine Use
von: Yasmeen Abdo, et al.
Veröffentlicht: (2025)

A Wolf in Sheep's Clothing: Generalized Nested Jailbreak Prompts can Fool Large Language Models Easily
von: Ding, Peng, et al.
Veröffentlicht: (2023)

Stress-testing Machine Generated Text Detection: Shifting Language Models Writing Style to Fool Detectors
von: Pedrotti, Andrea, et al.
Veröffentlicht: (2025)

Language Models Optimized to Fool Detectors Still Have a Distinct Style (And How to Change It)
von: Soto, Rafael Rivera, et al.
Veröffentlicht: (2025)

Unmasking Digital Falsehoods: A Comparative Analysis of LLM-Based Misinformation Detection Strategies
von: Huang, Tianyi, et al.
Veröffentlicht: (2025)

Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents
von: Qian, Cheng, et al.
Veröffentlicht: (2024)

SequentialBreak: Large Language Models Can be Fooled by Embedding Jailbreak Prompts into Sequential Prompt Chains
von: Saiem, Bijoy Ahmed, et al.
Veröffentlicht: (2024)

The Psychology of Falsehood: A Human-Centric Survey of Misinformation Detection
von: Nandi, Arghodeep, et al.
Veröffentlicht: (2025)

Poor Fools
von: Daily, Jay E.
Veröffentlicht: (1972)

"This Wasn't Made for Me": Recentering User Experience and Emotional Impact in the Evaluation of ASR Bias
von: Liang, Siyu, et al.
Veröffentlicht: (2026)

Hear Me, See Me, Understand Me: Audio-Visual Autism Behavior Recognition
von: Deng, Shijian, et al.
Veröffentlicht: (2024)

The Energy of Falsehood: Detecting Hallucinations via Diffusion Model Likelihoods
von: Gautam, Arpit Singh, et al.
Veröffentlicht: (2026)

Use Me Wisely: AI-Driven Assessment for LLM Prompting Skills Development
von: Ognibene, Dimitri, et al.
Veröffentlicht: (2025)

Teach Me Sign: Stepwise Prompting LLM for Sign Language Production
von: An, Zhaoyi, et al.
Veröffentlicht: (2025)

Read and Reap the Rewards: Learning to Play Atari with the Help of Instruction Manuals
von: Wu, Yue, et al.
Veröffentlicht: (2023)

Me-Agent: A Personalized Mobile Agent with Two-Level User Habit Learning for Enhanced Interaction
von: Wang, Shuoxin, et al.
Veröffentlicht: (2026)

Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution
von: Cao, Zouying, et al.
Veröffentlicht: (2025)