Buchumschlag

Battling Misinformation: An Empirical Study on Adversarial Factuality in Open-Source Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sakib, Shahnewaz Karim, Das, Anindya Bijoy, Ahmed, Shibbir
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hallucinations and Key Information Extraction in Medical Texts: A Comprehensive Assessment of Open-Source Large Language Models
von: Das, Anindya Bijoy, et al.
Veröffentlicht: (2025)

Trustworthy Medical Imaging with Large Language Models: A Study of Hallucinations Across Modalities
von: Das, Anindya Bijoy, et al.
Veröffentlicht: (2025)

Can Large Language Models Challenge CNNs in Medical Image Analysis?
von: Ahmed, Shibbir, et al.
Veröffentlicht: (2025)

Unveiling and Mitigating Bias in Large Language Model Recommendations: A Path to Fairness
von: Das, Anindya Bijoy, et al.
Veröffentlicht: (2024)

SOS! Soft Prompt Attack Against Open-Source Large Language Models
von: Yang, Ziqing, et al.
Veröffentlicht: (2024)

FakeZero: Real-Time, Privacy-Preserving Misinformation Detection for Facebook and X
von: Essahli, Soufiane, et al.
Veröffentlicht: (2025)

Learning-Based Automated Adversarial Red-Teaming for Robustness Evaluation of Large Language Models
von: Wei, Zhang, et al.
Veröffentlicht: (2025)

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

Provably Robust Watermarks for Open-Source Language Models
von: Christ, Miranda, et al.
Veröffentlicht: (2024)

OpenGuardrails: A Configurable, Unified, and Scalable Guardrails Platform for Large Language Models
von: Wang, Thomas, et al.
Veröffentlicht: (2025)

Injecting Falsehoods: Adversarial Man-in-the-Middle Attacks Undermining Factual Recall in LLMs
von: Fastowski, Alina, et al.
Veröffentlicht: (2025)

Lateral Phishing With Large Language Models: A Large Organization Comparative Study
von: Bethany, Mazal, et al.
Veröffentlicht: (2024)

Large Language Model Sentinel: LLM Agent for Adversarial Purification
von: Lin, Guang, et al.
Veröffentlicht: (2024)

Hijacking Large Language Models via Adversarial In-Context Learning
von: Zhou, Xiangyu, et al.
Veröffentlicht: (2023)

Data Defenses Against Large Language Models
von: Agnew, William, et al.
Veröffentlicht: (2024)

Factuality Beyond Coherence: Evaluating LLM Watermarking Methods for Medical Texts
von: Hastuti, Rochana Prih, et al.
Veröffentlicht: (2025)

FFT: Towards Harmlessness Evaluation and Analysis for LLMs with Factuality, Fairness, Toxicity
von: Cui, Shiyao, et al.
Veröffentlicht: (2023)

Adversarial Attack on Large Language Models using Exponentiated Gradient Descent
von: Biswas, Sajib, et al.
Veröffentlicht: (2025)

Advancing Adversarial Suffix Transfer Learning on Aligned Large Language Models
von: Liu, Hongfu, et al.
Veröffentlicht: (2024)

Multi-Granularity Tibetan Textual Adversarial Attack Method Based on Masked Language Model
von: Cao, Xi, et al.
Veröffentlicht: (2024)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

Towards Safe AI Clinicians: A Comprehensive Study on Large Language Model Jailbreaking in Healthcare
von: Zhang, Hang, et al.
Veröffentlicht: (2025)

Copyright Traps for Large Language Models
von: Meeus, Matthieu, et al.
Veröffentlicht: (2024)

Jailbreaking Large Language Models Through Content Concretization
von: Wahréus, Johan, et al.
Veröffentlicht: (2025)

Is Your Prompt Safe? Investigating Prompt Injection Attacks Against Open-Source LLMs
von: Wang, Jiawen, et al.
Veröffentlicht: (2025)

Security and Privacy Challenges of Large Language Models: A Survey
von: Das, Badhan Chandra, et al.
Veröffentlicht: (2024)

Mark Your LLM: Detecting the Misuse of Open-Source Large Language Models via Watermarking
von: Xu, Yijie, et al.
Veröffentlicht: (2025)

Imposter.AI: Adversarial Attacks with Hidden Intentions towards Aligned Large Language Models
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

Yet Another Watermark for Large Language Models
von: Bao, Siyuan, et al.
Veröffentlicht: (2025)

Token-Level Privacy in Large Language Models
von: Harel, Re'em, et al.
Veröffentlicht: (2025)

Large Language Models as Carriers of Hidden Messages
von: Hoscilowicz, Jakub, et al.
Veröffentlicht: (2024)

Pay Attention to the Robustness of Chinese Minority Language Models! Syllable-level Textual Adversarial Attack on Tibetan Script
von: Cao, Xi, et al.
Veröffentlicht: (2024)

Majority Bit-Aware Watermarking For Large Language Models
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

Privacy-Preserving Instructions for Aligning Large Language Models
von: Yu, Da, et al.
Veröffentlicht: (2024)

Prompt Stealing Attacks Against Large Language Models
von: Sha, Zeyang, et al.
Veröffentlicht: (2024)

Empirical Analysis of Large Vision-Language Models against Goal Hijacking via Visual Prompt Injection
von: Kimura, Subaru, et al.
Veröffentlicht: (2024)

Resource Consumption Red-Teaming for Large Vision-Language Models
von: Gao, Haoran, et al.
Veröffentlicht: (2025)

EPT Benchmark: Evaluation of Persian Trustworthiness in Large Language Models
von: Mirbagheri, Mohammad Reza, et al.
Veröffentlicht: (2025)

InfoFlood: Jailbreaking Large Language Models with Information Overload
von: Yadav, Advait, et al.
Veröffentlicht: (2025)

garak: A Framework for Security Probing Large Language Models
von: Derczynski, Leon, et al.
Veröffentlicht: (2024)