Buchumschlag

LLM Robustness Leaderboard v1 --Technical report

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lefebvre, Pierre Peigné -, Feuillade-Montixi, Quentin, David, Tom, Miailhe, Nicolas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Leaderboard Illusion
von: Singh, Shivalika, et al.
Veröffentlicht: (2025)

LLMs Meet Finance: Fine-Tuning Foundation Models for the Open FinLLM Leaderboard
von: Rao, Varun, et al.
Veröffentlicht: (2025)

How NOT to benchmark your SITE metric: Beyond Static Leaderboards and Towards Realistic Evaluation
von: Singh, Prabhant, et al.
Veröffentlicht: (2025)

EuroLLM-9B: Technical Report
von: Martins, Pedro Henrique, et al.
Veröffentlicht: (2025)

EuroLLM-22B: Technical Report
von: Ramos, Miguel Moura, et al.
Veröffentlicht: (2026)

Learning a Generic Value-Selection Heuristic Inside a Constraint Programming Solver
von: Marty, Tom, et al.
Veröffentlicht: (2023)

MetaLead: A Comprehensive Human-Curated Leaderboard Dataset for Transparent Reporting of Machine Learning Experiments
von: Timmer, Roelien C., et al.
Veröffentlicht: (2026)

AgentOpt v0.1 Technical Report: Client-Side Optimization for LLM-Based Agent
von: Hua, Wenyue, et al.
Veröffentlicht: (2026)

When Benchmarks are Targets: Revealing the Sensitivity of Large Language Model Leaderboards
von: Alzahrani, Norah, et al.
Veröffentlicht: (2024)

Robust agents learn causal world models
von: Richens, Jonathan, et al.
Veröffentlicht: (2024)

Evaluating Large Language Models with Grid-Based Game Competitions: An Extensible LLM Benchmark and Leaderboard
von: Topsakal, Oguzhan, et al.
Veröffentlicht: (2024)

HackAtari: Atari Learning Environments for Robust and Continual Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

A Technical Exploration of Causal Inference with Hybrid LLM Synthetic Data
von: Kim, Dana, et al.
Veröffentlicht: (2025)

The Growing Pains of Frontier Models: When Leaderboards Stop Separating and What to Measure Next
von: Amin, Adil
Veröffentlicht: (2026)

The Zamba2 Suite: Technical Report
von: Glorioso, Paolo, et al.
Veröffentlicht: (2024)

LogProber: Disentangling confidence from contamination in LLM responses
von: Yax, Nicolas, et al.
Veröffentlicht: (2024)

Robust LLM Alignment via Distributionally Robust Direct Preference Optimization
von: Xu, Zaiyan, et al.
Veröffentlicht: (2025)

Lightweight Adaptation for LLM-based Technical Service Agent: Latent Logic Augmentation and Robust Noise Reduction
von: Yu, Yi, et al.
Veröffentlicht: (2026)

RLDX-1 Technical Report
von: Kim, Dongyoung, et al.
Veröffentlicht: (2026)

Adversarial Preference Learning for Robust LLM Alignment
von: Wang, Yuanfu, et al.
Veröffentlicht: (2025)

Per-Domain Generalizing Policies: On Learning Efficient and Robust Q-Value Functions (Extended Version with Technical Appendix)
von: Müller, Nicola J., et al.
Veröffentlicht: (2026)

Enhancing Robustness in Deep Reinforcement Learning: A Lyapunov Exponent Approach
von: Young, Rory, et al.
Veröffentlicht: (2024)

WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks?
von: Drouin, Alexandre, et al.
Veröffentlicht: (2024)

Llama-3.1-FoundationAI-SecurityLLM-Reasoning-8B Technical Report
von: Yang, Zhuoran, et al.
Veröffentlicht: (2026)

ChaosBench-Logic v2: Evaluating LLM Logical Reasoning over Dynamical Systems at Scale
von: Thomas, Noel
Veröffentlicht: (2026)

TAGAL: Tabular Data Generation using Agentic LLM Methods
von: Ronval, Benoît, et al.
Veröffentlicht: (2025)

Aligning Brain Signals with Multimodal Speech and Vision Embeddings
von: Shapovalenko, Kateryna, et al.
Veröffentlicht: (2025)

AgentAtlas: Beyond Outcome Leaderboards for LLM Agents
von: Mazaheri, Parsa, et al.
Veröffentlicht: (2026)

Are Robust LLM Fingerprints Adversarially Robust?
von: Nasery, Anshul, et al.
Veröffentlicht: (2025)

EPT-2 Technical Report
von: Molinaro, Roberto, et al.
Veröffentlicht: (2025)

INTELLECT-3: Technical Report
von: Prime Intellect Team, et al.
Veröffentlicht: (2025)

LFM2 Technical Report
von: Amini, Alexander, et al.
Veröffentlicht: (2025)

Commercial LLM Agents Are Already Vulnerable to Simple Yet Dangerous Attacks
von: Li, Ang, et al.
Veröffentlicht: (2025)

BLUR: A Benchmark for LLM Unlearning Robust to Forget-Retain Overlap
von: Hu, Shengyuan, et al.
Veröffentlicht: (2025)

POETS: Uncertainty-Aware LLM Optimization via Compute-Efficient Policy Ensembles
von: Menet, Nicolas, et al.
Veröffentlicht: (2026)

Litespark Technical Report: High-Throughput, Energy-Efficient LLM Training Framework
von: Dade, Nii Osae Osae, et al.
Veröffentlicht: (2025)

Metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors
von: Didolkar, Aniket, et al.
Veröffentlicht: (2025)

Imagine Beyond! Distributionally Robust Auto-Encoding for State Space Coverage in Online Reinforcement Learning
von: Castanet, Nicolas, et al.
Veröffentlicht: (2025)

Treat Different Negatives Differently: Enriching Loss Functions with Domain and Range Constraints for Link Prediction
von: Hubert, Nicolas, et al.
Veröffentlicht: (2023)

CluCERT: Certifying LLM Robustness via Clustering-Guided Denoising Smoothing
von: Wang, Zixia, et al.
Veröffentlicht: (2025)