:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhu, Yuxuan, Jin, Tengjun, Pruksachatkun, Yada, Zhang, Andy, Liu, Shu, Cui, Sasha, Kapoor, Sayash, Longpre, Shayne, Meng, Kevin, Weiss, Rebecca, Barez, Fazl, Gupta, Rahul, Dhamala, Jwala, Merizian, Jacob, Giulianelli, Mario, Coppock, Harry, Ududec, Cozmin, Sekhon, Jasjeet, Steinhardt, Jacob, Kellermann, Antony, Schwettmann, Sarah, Zaharia, Matei, Stoica, Ion, Liang, Percy, Kang, Daniel
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Artificial Intelligence A.1; I.2.m
Accesso online:	https://arxiv.org/abs/2507.02825
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Skewed Score: A statistical framework to assess autograders
di: Dubois, Magda, et al.
Pubblicazione: (2025)

Log analysis is necessary for credible evaluation of AI agents
di: Kirgis, Peter, et al.
Pubblicazione: (2026)

HiBayES: A Hierarchical Bayesian Modeling Framework for AI Evaluation Statistics
di: Luettgau, Lennart, et al.
Pubblicazione: (2025)

The 2024 Foundation Model Transparency Index
di: Bommasani, Rishi, et al.
Pubblicazione: (2024)

ADAG: Automatically Describing Attribution Graphs
di: Arora, Aryaman, et al.
Pubblicazione: (2026)

Language Model Circuits Are Sparse in the Neuron Basis
di: Arora, Aryaman, et al.
Pubblicazione: (2026)

Foundation Model Transparency Reports
di: Bommasani, Rishi, et al.
Pubblicazione: (2024)

The 2025 Foundation Model Transparency Index
di: Wan, Alexander, et al.
Pubblicazione: (2025)

Ask don't tell: Reducing sycophancy in large language models
di: Dubois, Magda, et al.
Pubblicazione: (2026)

Predictive Concept Decoders: Training Scalable End-to-End Interpretability Assistants
di: Huang, Vincent, et al.
Pubblicazione: (2025)

SafetyNet: Detecting Harmful Outputs in LLMs by Modeling and Monitoring Deceptive Behaviors
di: Chaudhary, Maheep, et al.
Pubblicazione: (2025)

Understanding Addition in Transformers
di: Quirke, Philip, et al.
Pubblicazione: (2023)

Same Question, Different Words: A Latent Adversarial Framework for Prompt Robustness
di: Fu, Tingchen, et al.
Pubblicazione: (2025)

Future and AI-Ready Data Strategies: Response to DOC RFI on AI and Open Government Data Assets
di: Oderinwale, Hamidah, et al.
Pubblicazione: (2024)

DECOR: Auditing LLM Deception via Information Manipulation Theory
di: Cai, Linyue, et al.
Pubblicazione: (2026)

Query Circuits: Explaining How Language Models Answer User Prompts
di: Wu, Tung-Yu, et al.
Pubblicazione: (2025)

Algebraic and Statistical Properties of the Ordinary Least Squares Interpolator
di: Shen, Dennis, et al.
Pubblicazione: (2023)

Rethinking AI Cultural Alignment
di: Bravansky, Michal, et al.
Pubblicazione: (2025)

Towards Interpretable Sequence Continuation: Analyzing Shared Circuits in Large Language Models
di: Lan, Michael, et al.
Pubblicazione: (2023)

Understanding Addition and Subtraction in Transformers
di: Quirke, Philip, et al.
Pubblicazione: (2024)

Open-World Evaluations for Measuring Frontier AI Capabilities
di: Kapoor, Sayash, et al.
Pubblicazione: (2026)

Seven simple steps for log analysis in AI systems
di: Dubois, Magda, et al.
Pubblicazione: (2026)

Long Context RAG Performance of Large Language Models
di: Leng, Quinn, et al.
Pubblicazione: (2024)

Time-uniform Chernoff bounds via nonnegative supermartingales
di: Howard, Steven R., et al.
Pubblicazione: (2018)

Token Taxes: mitigating AGI's economic risks
di: Irwin, Lucas, et al.
Pubblicazione: (2026)

Large Language Models Relearn Removed Concepts
di: Lo, Michelle, et al.
Pubblicazione: (2024)

VAL-Bench: Belief Consistency as a measure for Value Alignment in Language Models
di: Gupta, Aman, et al.
Pubblicazione: (2025)

Interpreting Context Look-ups in Transformers: Investigating Attention-MLP Interactions
di: Neo, Clement, et al.
Pubblicazione: (2024)

InterviewSim: A Scalable Framework for Interview-Grounded Personality Simulation
di: Li, Yu, et al.
Pubblicazione: (2026)

The Need for a Socially-Grounded Persona Framework for User Simulation
di: Venkit, Pranav Narayanan, et al.
Pubblicazione: (2026)

Eliciting Language Model Behaviors with Investigator Agents
di: Li, Xiang Lisa, et al.
Pubblicazione: (2025)

LH-Deception: Simulating and Understanding LLM Deceptive Behaviors in Long-Horizon Interactions
di: Xu, Yang, et al.
Pubblicazione: (2025)

The Price Reversal Phenomenon: When Cheaper Reasoning Models Cost More
di: Chen, Lingjiao, et al.
Pubblicazione: (2026)

Lessons from a Chimp: AI "Scheming" and the Quest for Ape Language
di: Summerfield, Christopher, et al.
Pubblicazione: (2025)

Enhancing Neural Network Interpretability with Feature-Aligned Sparse Autoencoders
di: Marks, Luke, et al.
Pubblicazione: (2024)

Do Sparse Autoencoders Generalize? A Case Study of Answerability
di: Heindrich, Lovis, et al.
Pubblicazione: (2025)

Towards Understanding Subliminal Learning: When and How Hidden Biases Transfer
di: Schrodi, Simon, et al.
Pubblicazione: (2025)

Visualizing Neural Network Imagination
di: Wichers, Nevan, et al.
Pubblicazione: (2024)

The Limits of Inference Scaling Through Resampling
di: Stroebl, Benedikt, et al.
Pubblicazione: (2024)

Build Agent Advocates, Not Platform Agents
di: Kapoor, Sayash, et al.
Pubblicazione: (2025)