Beyond Safe Answers: A Benchmark for Evaluating True Risk Awareness in Large Reasoning Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Zheng, Baihui, Zheng, Boren, Cao, Kerui, Tan, Yingshui, Liu, Zhendong, Wang, Weixun, Liu, Jiaheng, Yang, Jian, Su, Wenbo, Zhu, Xiaoyong, Zheng, Bo, Zhang, Kaifu |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Chinese SafetyQA: A Safety Short-form Factuality Benchmark for Large Language Models
di: Tan, Yingshui, et al.
Pubblicazione: (2024)
di: Tan, Yingshui, et al.
Pubblicazione: (2024)
USB: A Comprehensive and Unified Safety Evaluation Benchmark for Multimodal Large Language Models
di: Zheng, Baolin, et al.
Pubblicazione: (2025)
di: Zheng, Baolin, et al.
Pubblicazione: (2025)
Chinese SimpleQA: A Chinese Factuality Evaluation for Large Language Models
di: He, Yancheng, et al.
Pubblicazione: (2024)
di: He, Yancheng, et al.
Pubblicazione: (2024)
MSR-Align: Policy-Grounded Multimodal Alignment for Safety-Aware Reasoning in Vision-Language Models
di: Xia, Yinan, et al.
Pubblicazione: (2025)
di: Xia, Yinan, et al.
Pubblicazione: (2025)
Equilibrate RLHF: Towards Balancing Helpfulness-Safety Trade-off in Large Language Models
di: Tan, Yingshui, et al.
Pubblicazione: (2025)
di: Tan, Yingshui, et al.
Pubblicazione: (2025)
PSA-VLM: Enhancing Vision-Language Model Safety through Progressive Concept-Bottleneck-Driven Alignment
di: Liu, Zhendong, et al.
Pubblicazione: (2024)
di: Liu, Zhendong, et al.
Pubblicazione: (2024)
ProgCo: Program Helps Self-Correction of Large Language Models
di: Song, Xiaoshuai, et al.
Pubblicazione: (2025)
di: Song, Xiaoshuai, et al.
Pubblicazione: (2025)
Deconstructing Long Chain-of-Thought: A Structured Reasoning Optimization Framework for Long CoT Distillation
di: Luo, Yijia, et al.
Pubblicazione: (2025)
di: Luo, Yijia, et al.
Pubblicazione: (2025)
Safety Alignment for Vision Language Models
di: Liu, Zhendong, et al.
Pubblicazione: (2024)
di: Liu, Zhendong, et al.
Pubblicazione: (2024)
Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning?
di: He, Yancheng, et al.
Pubblicazione: (2025)
di: He, Yancheng, et al.
Pubblicazione: (2025)
HiddenDetect: Detecting Jailbreak Attacks against Large Vision-Language Models via Monitoring Hidden States
di: Jiang, Yilei, et al.
Pubblicazione: (2025)
di: Jiang, Yilei, et al.
Pubblicazione: (2025)
One Sample to Rule Them All: Extreme Data Efficiency in Multidiscipline Reasoning with Reinforcement Learning
di: Li, Yiyuan, et al.
Pubblicazione: (2026)
di: Li, Yiyuan, et al.
Pubblicazione: (2026)
ConceptGuard: Proactive Safety in Text-and-Image-to-Video Generation through Multimodal Risk Detection
di: Ma, Ruize, et al.
Pubblicazione: (2025)
di: Ma, Ruize, et al.
Pubblicazione: (2025)
2D-DPO: Scaling Direct Preference Optimization with 2-Dimensional Supervision
di: Li, Shilong, et al.
Pubblicazione: (2024)
di: Li, Shilong, et al.
Pubblicazione: (2024)
RAVR: Reference-Answer-guided Variational Reasoning for Large Language Models
di: Lin, Tianqianjin, et al.
Pubblicazione: (2025)
di: Lin, Tianqianjin, et al.
Pubblicazione: (2025)
Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning
di: Liu, Zihe, et al.
Pubblicazione: (2025)
di: Liu, Zihe, et al.
Pubblicazione: (2025)
Reasoning Palette: Modulating Reasoning via Latent Contextualization for Controllable Exploration for (V)LMs
di: Long, Rujiao, et al.
Pubblicazione: (2025)
di: Long, Rujiao, et al.
Pubblicazione: (2025)
MMCR: Benchmarking Cross-Source Reasoning in Scientific Papers
di: Tian, Yang, et al.
Pubblicazione: (2025)
di: Tian, Yang, et al.
Pubblicazione: (2025)
QuadSentinel: Sequent Safety for Machine-Checkable Control in Multi-agent Systems
di: Yang, Yiliu, et al.
Pubblicazione: (2025)
di: Yang, Yiliu, et al.
Pubblicazione: (2025)
Adaptive Segment-level Reward: Bridging the Gap Between Action and Reward Space in Alignment
di: Li, Yanshi, et al.
Pubblicazione: (2024)
di: Li, Yanshi, et al.
Pubblicazione: (2024)
Think-J: Learning to Think for Generative LLM-as-a-Judge
di: Huang, Hui, et al.
Pubblicazione: (2025)
di: Huang, Hui, et al.
Pubblicazione: (2025)
ConceptMath: A Bilingual Concept-wise Benchmark for Measuring Mathematical Reasoning of Large Language Models
di: Wu, Yanan, et al.
Pubblicazione: (2024)
di: Wu, Yanan, et al.
Pubblicazione: (2024)
"See the World, Discover Knowledge": A Chinese Factuality Evaluation for Large Vision Language Models
di: Gu, Jihao, et al.
Pubblicazione: (2025)
di: Gu, Jihao, et al.
Pubblicazione: (2025)
SkillTrojan: Backdoor Attacks on Skill-Based Agent Systems
di: Feng, Yunhao, et al.
Pubblicazione: (2026)
di: Feng, Yunhao, et al.
Pubblicazione: (2026)
True Knowledge Comes from Practice: Aligning LLMs with Embodied Environments via Reinforcement Learning
di: Tan, Weihao, et al.
Pubblicazione: (2024)
di: Tan, Weihao, et al.
Pubblicazione: (2024)
CE-RM: A Pointwise Generative Reward Model Optimized via Two-Stage Rollout and Unified Criteria
di: Hu, Xinyu, et al.
Pubblicazione: (2026)
di: Hu, Xinyu, et al.
Pubblicazione: (2026)
AIR: Complex Instruction Generation via Automatic Iterative Refinement
di: Liu, Wei, et al.
Pubblicazione: (2025)
di: Liu, Wei, et al.
Pubblicazione: (2025)
DESIGNER: Design-Logic-Guided Multidisciplinary Data Synthesis for LLM Reasoning
di: Liu, Weize, et al.
Pubblicazione: (2025)
di: Liu, Weize, et al.
Pubblicazione: (2025)
VAR-MATH: Probing True Mathematical Reasoning in LLMS via Symbolic Multi-Instance Benchmarks
di: Yao, Jian, et al.
Pubblicazione: (2025)
di: Yao, Jian, et al.
Pubblicazione: (2025)
Attention Illuminates LLM Reasoning: The Preplan-and-Anchor Rhythm Enables Fine-Grained Policy Optimization
di: Li, Yang, et al.
Pubblicazione: (2025)
di: Li, Yang, et al.
Pubblicazione: (2025)
iTryOn: Mastering Interactive Video Virtual Try-On with Spatial-Semantic Guidance
di: Zheng, Jun, et al.
Pubblicazione: (2026)
di: Zheng, Jun, et al.
Pubblicazione: (2026)
MT-Bench-101: A Fine-Grained Benchmark for Evaluating Large Language Models in Multi-Turn Dialogues
di: Bai, Ge, et al.
Pubblicazione: (2024)
di: Bai, Ge, et al.
Pubblicazione: (2024)
CodeCriticBench: A Holistic Code Critique Benchmark for Large Language Models
di: Zhang, Alexander, et al.
Pubblicazione: (2025)
di: Zhang, Alexander, et al.
Pubblicazione: (2025)
BraveGuard: From Open-World Threats to Safer Computer-Use Agents
di: Feng, Yunhao, et al.
Pubblicazione: (2026)
di: Feng, Yunhao, et al.
Pubblicazione: (2026)
Engineering Plasmid‐Free Escherichia coli via Synergistic Metabolic Tuning and Fermentation Optimization for High‐Titer Salidroside Biosynthesis
di: Man Zhao, et al.
Pubblicazione: (2026)
di: Man Zhao, et al.
Pubblicazione: (2026)
SafeThinker: Reasoning about Risk to Deepen Safety Beyond Shallow Alignment
di: Fang, Xianya, et al.
Pubblicazione: (2026)
di: Fang, Xianya, et al.
Pubblicazione: (2026)
ECKGBench: Benchmarking Large Language Models in E-commerce Leveraging Knowledge Graph
di: Liu, Langming, et al.
Pubblicazione: (2025)
di: Liu, Langming, et al.
Pubblicazione: (2025)
GeoChallenge: A Multi-Answer Multiple-Choice Benchmark for Geometric Reasoning with Diagrams
di: Zhang, Yushun, et al.
Pubblicazione: (2026)
di: Zhang, Yushun, et al.
Pubblicazione: (2026)
Distilling the Thought, Watermarking the Answer: A Principle Semantic Guided Watermark for Large Reasoning Models
di: Liu, Shuliang, et al.
Pubblicazione: (2026)
di: Liu, Shuliang, et al.
Pubblicazione: (2026)
PGPO: Enhancing Agent Reasoning via Pseudocode-style Planning Guided Preference Optimization
di: Cao, Zouying, et al.
Pubblicazione: (2025)
di: Cao, Zouying, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Chinese SafetyQA: A Safety Short-form Factuality Benchmark for Large Language Models
di: Tan, Yingshui, et al.
Pubblicazione: (2024) -
USB: A Comprehensive and Unified Safety Evaluation Benchmark for Multimodal Large Language Models
di: Zheng, Baolin, et al.
Pubblicazione: (2025) -
Chinese SimpleQA: A Chinese Factuality Evaluation for Large Language Models
di: He, Yancheng, et al.
Pubblicazione: (2024) -
MSR-Align: Policy-Grounded Multimodal Alignment for Safety-Aware Reasoning in Vision-Language Models
di: Xia, Yinan, et al.
Pubblicazione: (2025) -
Equilibrate RLHF: Towards Balancing Helpfulness-Safety Trade-off in Large Language Models
di: Tan, Yingshui, et al.
Pubblicazione: (2025)