Buchumschlag

The Illusionist's Prompt: Exposing the Factual Vulnerabilities of Large Language Models with Linguistic Nuances

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yining, Wang, Yuquan, Li, Xi, Zhang, Mi, Hong, Geng, Yang, Min
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReasoningGuard: Safeguarding Large Reasoning Models with Inference-time Safety Aha Moments
von: Wang, Yuquan, et al.
Veröffentlicht: (2025)

SWEA: Updating Factual Knowledge in Large Language Models via Subject Word Embedding Altering
von: Li, Xiaopeng, et al.
Veröffentlicht: (2024)

On the Impact of Language Nuances on Sentiment Analysis with Large Language Models: Paraphrasing, Sarcasm, and Emojis
von: Bhargava, Naman, et al.
Veröffentlicht: (2025)

FacLens: Transferable Probe for Foreseeing Non-Factuality in Fact-Seeking Question Answering of Large Language Models
von: Wang, Yanling, et al.
Veröffentlicht: (2024)

Temporally Consistent Factuality Probing for Large Language Models
von: Bajpai, Ashutosh, et al.
Veröffentlicht: (2024)

MULTIVERSE: Exposing Large Language Model Alignment Problems in Diverse Worlds
von: Jin, Xiaolong, et al.
Veröffentlicht: (2024)

Evaluating the Factuality of Large Language Models using Large-Scale Knowledge Graphs
von: Liu, Xiaoze, et al.
Veröffentlicht: (2024)

Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories
von: Tang, Jinwen, et al.
Veröffentlicht: (2024)

Conformal Linguistic Calibration: Trading-off between Factuality and Specificity
von: Jiang, Zhengping, et al.
Veröffentlicht: (2025)

Towards Statistical Factuality Guarantee for Large Vision-Language Models
von: Li, Zhuohang, et al.
Veröffentlicht: (2025)

Factuality Challenges in the Era of Large Language Models
von: Augenstein, Isabelle, et al.
Veröffentlicht: (2023)

Alternate Preference Optimization for Unlearning Factual Knowledge in Large Language Models
von: Mekala, Anmol, et al.
Veröffentlicht: (2024)

Mitigating Geospatial Knowledge Hallucination in Large Language Models: Benchmarking and Dynamic Factuality Aligning
von: Wang, Shengyuan, et al.
Veröffentlicht: (2025)

Assessing Factual Music Comprehension in Large Audio Language Models
von: Lin, Daniel Chenyu, et al.
Veröffentlicht: (2025)

SVD-LLM: Truncation-aware Singular Value Decomposition for Large Language Model Compression
von: Wang, Xin, et al.
Veröffentlicht: (2024)

Question-Aware Knowledge Graph Prompting for Enhancing Large Language Models
von: Liu, Haochen, et al.
Veröffentlicht: (2025)

Scaling Reasoning Hop Exposes Weaknesses: Demystifying and Improving Hop Generalization in Large Language Models
von: Li, Zhaoyi, et al.
Veröffentlicht: (2026)

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

Factual Consistency of Multilingual Pretrained Language Models
von: Fierro, Constanza, et al.
Veröffentlicht: (2022)

Conformal Language Model Reasoning with Coherent Factuality
von: Rubin-Toles, Maxon, et al.
Veröffentlicht: (2025)

Automatic Prompt Selection for Large Language Models
von: Do, Viet-Tung, et al.
Veröffentlicht: (2024)

Graph Neural Prompting with Large Language Models
von: Tian, Yijun, et al.
Veröffentlicht: (2023)

The Factuality of Large Language Models in the Legal Domain
von: Hamdani, Rajaa El, et al.
Veröffentlicht: (2024)

Unmasking Hallucinations: A Causal Graph-Attention Perspective on Factual Reliability in Large Language Models
von: kurra, Sailesh kiran, et al.
Veröffentlicht: (2026)

SLED: Self Logits Evolution Decoding for Improving Factuality in Large Language Models
von: Zhang, Jianyi, et al.
Veröffentlicht: (2024)

Towards Linguistically-Aware and Language-Independent Tokenization for Large Language Models (LLMs)
von: Rahman, Abrar, et al.
Veröffentlicht: (2024)

Large Language Model Unlearning via Embedding-Corrupted Prompts
von: Liu, Chris Yuhao, et al.
Veröffentlicht: (2024)

Adaptive Conformal Prediction for Improving Factuality of Generations by Large Language Models
von: Rubashevskii, Aleksandr, et al.
Veröffentlicht: (2026)

Progressive-Hint Prompting Improves Reasoning in Large Language Models
von: Zheng, Chuanyang, et al.
Veröffentlicht: (2023)

Breach in the Shield: Unveiling the Vulnerabilities of Large Language Models
von: Dai, Runpeng, et al.
Veröffentlicht: (2025)

Exposing Pink Slime Journalism: Linguistic Signatures and Robust Detection Against LLM-Generated Threats
von: Shahriar, Sadat, et al.
Veröffentlicht: (2025)

Linguistic Blind Spots of Large Language Models
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

Prompting Large Language Models for Clinical Temporal Relation Extraction
von: He, Jianping, et al.
Veröffentlicht: (2024)

Language Models with Conformal Factuality Guarantees
von: Mohri, Christopher, et al.
Veröffentlicht: (2024)

Large Language Model Prompt Datasets: An In-depth Analysis and Insights
von: Zhang, Yuanming, et al.
Veröffentlicht: (2025)

Interpreting Key Mechanisms of Factual Recall in Transformer-Based Language Models
von: Lv, Ang, et al.
Veröffentlicht: (2024)

DoLa: Decoding by Contrasting Layers Improves Factuality in Large Language Models
von: Chuang, Yung-Sung, et al.
Veröffentlicht: (2023)

Prompting Fairness: Integrating Causality to Debias Large Language Models
von: Li, Jingling, et al.
Veröffentlicht: (2024)

FactTest: Factuality Testing in Large Language Models with Finite-Sample and Distribution-Free Guarantees
von: Nie, Fan, et al.
Veröffentlicht: (2024)

GenAudit: Fixing Factual Errors in Language Model Outputs with Evidence
von: Krishna, Kundan, et al.
Veröffentlicht: (2024)