Buchumschlag

Resurrecting saturated LLM benchmarks with adversarial encoding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ivanov, Igor, Volkov, Dmitrii
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Badllama 3: removing safety finetuning from Llama 3 in minutes
von: Volkov, Dmitrii
Veröffentlicht: (2024)

BadGPT-4o: stripping safety finetuning from GPT models
von: Krupkina, Ekaterina, et al.
Veröffentlicht: (2024)

The role of positional encodings in the ARC benchmark
von: Costa, Guilherme H. Bandeira, et al.
Veröffentlicht: (2025)

Robust NAS under adversarial training: benchmark, theory, and beyond
von: Wu, Yongtao, et al.
Veröffentlicht: (2024)

The Resurrection of the ReLU
von: Horuz, Coşku Can, et al.
Veröffentlicht: (2025)

Fresh in memory: Training-order recency is linearly encoded in language model activations
von: Krasheninnikov, Dmitrii, et al.
Veröffentlicht: (2025)

Resurrecting the Salmon: Rethinking Mechanistic Interpretability with Domain-Specific Sparse Autoencoders
von: O'Neill, Charles, et al.
Veröffentlicht: (2025)

Resurrecting Label Propagation for Graphs with Heterophily and Label Noise
von: Cheng, Yao, et al.
Veröffentlicht: (2023)

Robust LLM safeguarding via refusal feature adversarial training
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Test-time RL alignment exposes task familiarity artifacts in LLM benchmarks
von: Wang, Kun, et al.
Veröffentlicht: (2026)

Countering adversarial evasion in regression analysis
von: Benfield, David, et al.
Veröffentlicht: (2025)

Provable tradeoffs in adversarially robust classification
von: Dobriban, Edgar, et al.
Veröffentlicht: (2020)

On adversarial training and the 1 Nearest Neighbor classifier
von: Hagai, Amir, et al.
Veröffentlicht: (2024)

Deployment-complete benchmarking
von: Mansouri, El Mustapha, et al.
Veröffentlicht: (2026)

Lookahead identification in adversarial bandits: accuracy and memory bounds
von: Brukhim, Nataly, et al.
Veröffentlicht: (2026)

On robust overfitting: adversarial training induced distribution matters
von: Tian, Runzhi, et al.
Veröffentlicht: (2023)

LLM-Cave: A benchmark and light environment for large language models reasoning and decision-making system
von: Li, Huanyu, et al.
Veröffentlicht: (2025)

Can Go AIs be adversarially robust?
von: Tseng, Tom, et al.
Veröffentlicht: (2024)

On damage of interpolation to adversarial robustness in regression
von: Peng, Jingfu, et al.
Veröffentlicht: (2026)

Featuremetric benchmarking: Quantum computer benchmarks based on circuit features
von: Proctor, Timothy, et al.
Veröffentlicht: (2025)

Online combinatorial optimization with stochastic decision sets and adversarial losses
von: Neu, Gergely, et al.
Veröffentlicht: (2026)

Best of both worlds: Stochastic & adversarial best-arm identification
von: Abbasi-Yadkori, Yasin, et al.
Veröffentlicht: (2026)

Decoupling Reasoning and Confidence: Resurrecting Calibration in Reinforcement Learning from Verifiable Rewards
von: Ma, Zhengzhao, et al.
Veröffentlicht: (2026)

NODE-AdvGAN: Improving the transferability and perceptual similarity of adversarial examples by dynamic-system-driven adversarial generative model
von: Xie, Xinheng, et al.
Veröffentlicht: (2024)

Sloth: scaling laws for LLM skills to predict multi-benchmark performance across families
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2024)

A unifying Bayesian framework for adversarial robustness
von: Arce, Pablo G., et al.
Veröffentlicht: (2025)

The role of class encoding in neural collapse
von: Massion, Bastien, et al.
Veröffentlicht: (2026)

Does simple trump complex? Comparing strategies for adversarial robustness in DNNs
von: Brooks, William, et al.
Veröffentlicht: (2025)

Masked adversarial neural network for cell type deconvolution in spatial transcriptomics
von: Huang, Lin, et al.
Veröffentlicht: (2024)

On the use of adversarial validation for quantifying dissimilarity in geospatial machine learning prediction
von: Wang, Yanwen, et al.
Veröffentlicht: (2024)

Generalization ability and Vulnerabilities to adversarial perturbations: Two sides of the same coin
von: Lee, Jung Hoon, et al.
Veröffentlicht: (2022)

Revoking Amnesia: RL-based Trajectory Optimization to Resurrect Erased Concepts in Diffusion Models
von: Gao, Daiheng, et al.
Veröffentlicht: (2025)

Concept activation vectors: a unifying view and adversarial attacks
von: Schnoor, Ekkehard, et al.
Veröffentlicht: (2025)

Revealing data leakage in protein interaction benchmarks
von: Bushuiev, Anton, et al.
Veröffentlicht: (2024)

LLM Agent Honeypot: Monitoring AI Hacking Agents in the Wild
von: Reworr, et al.
Veröffentlicht: (2024)

SHLIME: Foiling adversarial attacks fooling SHAP and LIME
von: Chauhan, Sam, et al.
Veröffentlicht: (2025)

A look at adversarial attacks on radio waveforms from discrete latent space
von: Garuso, Attanasia, et al.
Veröffentlicht: (2025)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Robust estimation with Lasso when outputs are adversarially contaminated
von: Sasai, Takeyuki, et al.
Veröffentlicht: (2020)

Rates of convergence for density estimation with generative adversarial networks
von: Puchkin, Nikita, et al.
Veröffentlicht: (2021)