Buchumschlag

Refusal Behavior in Large Language Models: A Nonlinear Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hildebrandt, Fabian, Maier, Andreas, Krauss, Patrick, Schilling, Achim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring Narrative Clustering in Large Language Models: A Layerwise Analysis of BERT
von: Banerjee, Awritrojit, et al.
Veröffentlicht: (2025)

Analyzing Narrative Processing in Large Language Models (LLMs): Using GPT4 to test BERT
von: Krauss, Patrick, et al.
Veröffentlicht: (2024)

Analysis and Visualization of Linguistic Structures in Large Language Models: Neural Representations of Verb-Particle Constructions in BERT
von: Kissane, Hassane, et al.
Veröffentlicht: (2024)

Convergent Representations of Linguistic Constructions in Human and Artificial Neural Systems
von: Ramezani, Pegah, et al.
Veröffentlicht: (2026)

Multi-Modal Cognitive Maps based on Neural Networks trained on Successor Representations
von: Stoewer, Paul, et al.
Veröffentlicht: (2023)

Analysis of Argument Structure Constructions in the Large Language Model BERT
von: Ramezani, Pegah, et al.
Veröffentlicht: (2024)

Probing Internal Representations of Multi-Word Verbs in Large Language Models
von: Kissane, Hassane, et al.
Veröffentlicht: (2025)

Probing for Consciousness in Machines
von: Immertreu, Mathis, et al.
Veröffentlicht: (2024)

Author-Specific Linguistic Patterns Unveiled: A Deep Learning Study on Word Class Distributions
von: Krauss, Patrick, et al.
Veröffentlicht: (2025)

Analysis of Argument Structure Constructions in a Deep Recurrent Language Model
von: Ramezani, Pegah, et al.
Veröffentlicht: (2024)

OR-Bench: An Over-Refusal Benchmark for Large Language Models
von: Cui, Justin, et al.
Veröffentlicht: (2024)

Measuring and Eliminating Refusals in Military Large Language Models
von: FitzGerald, Jack, et al.
Veröffentlicht: (2026)

Learn to Refuse: Making Large Language Models More Controllable and Reliable through Knowledge Scope Limitation and Refusal Mechanism
von: Cao, Lang
Veröffentlicht: (2023)

Think Before Refusal : Triggering Safety Reflection in LLMs to Mitigate False Refusal Behavior
von: Si, Shengyun, et al.
Veröffentlicht: (2025)

Classifying German Language Proficiency Levels Using Large Language Models
von: Ahlers, Elias-Leander, et al.
Veröffentlicht: (2025)

Beyond I'm Sorry, I Can't: Dissecting Large Language Model Refusal
von: Prakash, Nirmalendu, et al.
Veröffentlicht: (2025)

RefusalBench: Generative Evaluation of Selective Refusal in Grounded Language Models
von: Muhamed, Aashiq, et al.
Veröffentlicht: (2025)

Linearly Decoding Refused Knowledge in Aligned Language Models
von: Shrivastava, Aryan, et al.
Veröffentlicht: (2025)

Cannot or Should Not? Automatic Analysis of Refusal Composition in IFT/RLHF Datasets and Refusal Behavior of Black-Box LLMs
von: von Recum, Alexander, et al.
Veröffentlicht: (2024)

A Content-Based Framework for Cybersecurity Refusal Decisions in Large Language Models
von: Linder, Noa, et al.
Veröffentlicht: (2026)

The Geometry of Refusal in Large Language Models: Concept Cones and Representational Independence
von: Wollschläger, Tom, et al.
Veröffentlicht: (2025)

RepIt: Steering Language Models with Concept-Specific Refusal Vectors
von: Siu, Vincent, et al.
Veröffentlicht: (2025)

Nonlinear Neural Dynamics and Classification Accuracy in Reservoir Computing
von: Metzner, Claus, et al.
Veröffentlicht: (2024)

Scan-do Attitude: Towards Autonomous CT Protocol Management using a Large Language Model Agent
von: Kang, Xingjian, et al.
Veröffentlicht: (2025)

Answer, Refuse, or Guess? Investigating Risk-Aware Decision Making in Language Models
von: Wu, Cheng-Kuang, et al.
Veröffentlicht: (2025)

Refusal in Language Models Is Mediated by a Single Direction
von: Arditi, Andy, et al.
Veröffentlicht: (2024)

Revealing Behavioral Plasticity in Large Language Models: A Token-Conditional Perspective
von: Mao, Liyuan, et al.
Veröffentlicht: (2026)

Behavioral Fingerprinting of Large Language Models
von: Pei, Zehua, et al.
Veröffentlicht: (2025)

Mitigating Over-Refusal in Aligned Large Language Models via Inference-Time Activation Energy
von: Jiang, Eric Hanchen, et al.
Veröffentlicht: (2025)

The Mercurial Top-Level Ontology of Large Language Models
von: Köhler, Nele, et al.
Veröffentlicht: (2024)

Refusal Steering: Fine-grained Control over LLM Refusal Behaviour for Sensitive Topics
von: García-Ferrero, Iker, et al.
Veröffentlicht: (2025)

Reasoning in Large Language Models: A Geometric Perspective
von: Cosentino, Romain, et al.
Veröffentlicht: (2024)

Word Class Representations Spontaneously Emerge from Successor Representations Trained on Natural Language
von: Immertreu, Mathis, et al.
Veröffentlicht: (2026)

Can LLMs Refuse Questions They Do Not Know? Measuring Knowledge-Aware Refusal in Factual Tasks
von: Pan, Wenbo, et al.
Veröffentlicht: (2025)

Refuse Whenever You Feel Unsafe: Improving Safety in LLMs via Decoupled Refusal Training
von: Yuan, Youliang, et al.
Veröffentlicht: (2024)

A Multi-Perspective Analysis of Memorization in Large Language Models
von: Chen, Bowen, et al.
Veröffentlicht: (2024)

Visuospatial Perspective Taking in Multimodal Language Models
von: Prunty, Jonathan, et al.
Veröffentlicht: (2026)

Investigating the Robustness of Deductive Reasoning with Large Language Models
von: Hoppe, Fabian, et al.
Veröffentlicht: (2025)

Where Do Reasoning Models Refuse?
von: Yamaguchi, Kureha, et al.
Veröffentlicht: (2025)

The System Hallucination Scale (SHS): A Minimal yet Effective Human-Centered Instrument for Evaluating Hallucination-Related Behavior in Large Language Models
von: Müller, Heimo, et al.
Veröffentlicht: (2026)