Probing the Preferences of a Language Model: Integrating Verbal and Behavioral Tests of AI Welfare
Fuente:
arXiv
Salvato in:
| Autori principali: | Tagliabue, Valen, Dung, Leonard |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
AI Alignment Strategies from a Risk Perspective: Independent Safety Mechanisms or Shared Failures?
di: Dung, Leonard, et al.
Pubblicazione: (2025)
di: Dung, Leonard, et al.
Pubblicazione: (2025)
Instrumental Choices: Measuring the Propensity of LLM Agents to Pursue Instrumental Behaviors
di: Wiedermann-Möller, Jonas, et al.
Pubblicazione: (2026)
di: Wiedermann-Möller, Jonas, et al.
Pubblicazione: (2026)
Safe, Untrusted, "Proof-Carrying" AI Agents: toward the agentic lakehouse
di: Tagliabue, Jacopo, et al.
Pubblicazione: (2025)
di: Tagliabue, Jacopo, et al.
Pubblicazione: (2025)
Probing Persona-Dependent Preferences in Language Models
di: Gilg, Oscar, et al.
Pubblicazione: (2026)
di: Gilg, Oscar, et al.
Pubblicazione: (2026)
Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse
di: Tagliabue, Jacopo
Pubblicazione: (2026)
di: Tagliabue, Jacopo
Pubblicazione: (2026)
AI for Distributed Systems Design: Scalable Cloud Optimization Through Repeated LLMs Sampling And Simulators
di: Tagliabue, Jacopo
Pubblicazione: (2025)
di: Tagliabue, Jacopo
Pubblicazione: (2025)
Trustworthy AI in the Agentic Lakehouse: from Concurrency to Governance
di: Tagliabue, Jacopo, et al.
Pubblicazione: (2025)
di: Tagliabue, Jacopo, et al.
Pubblicazione: (2025)
Against racing to AGI: Cooperation, deterrence, and catastrophic risks
di: Dung, Leonard, et al.
Pubblicazione: (2025)
di: Dung, Leonard, et al.
Pubblicazione: (2025)
Misalignment or misuse? The AGI alignment tradeoff
di: Hellrigel-Holderbaum, Max, et al.
Pubblicazione: (2025)
di: Hellrigel-Holderbaum, Max, et al.
Pubblicazione: (2025)
Calibrating Verbalized Probabilities for Large Language Models
di: Wang, Cheng, et al.
Pubblicazione: (2024)
di: Wang, Cheng, et al.
Pubblicazione: (2024)
Aligning Large Language Model Behavior with Human Citation Preferences
di: Ando, Kenichiro, et al.
Pubblicazione: (2026)
di: Ando, Kenichiro, et al.
Pubblicazione: (2026)
How does Misinformation Affect Large Language Model Behaviors and Preferences?
di: Peng, Miao, et al.
Pubblicazione: (2025)
di: Peng, Miao, et al.
Pubblicazione: (2025)
Subjective Behaviors and Preferences in LLM: Language of Browsing
di: Sundaresan, Sai, et al.
Pubblicazione: (2025)
di: Sundaresan, Sai, et al.
Pubblicazione: (2025)
Anthropomimetic Uncertainty: What Verbalized Uncertainty in Language Models is Missing
di: Ulmer, Dennis, et al.
Pubblicazione: (2025)
di: Ulmer, Dennis, et al.
Pubblicazione: (2025)
Steering Risk Preferences in Large Language Models by Aligning Behavioral and Neural Representations
di: Zhu, Jian-Qiao, et al.
Pubblicazione: (2025)
di: Zhu, Jian-Qiao, et al.
Pubblicazione: (2025)
Initial Risk Probing and Feasibility Testing of Glow: a Generative AI-Powered Dialectical Behavior Therapy Skills Coach for Substance Use Recovery and HIV Prevention
di: Wang, Liying, et al.
Pubblicazione: (2026)
di: Wang, Liying, et al.
Pubblicazione: (2026)
"Moralized" Multi-Step Jailbreak Prompts: Black-Box Testing of Guardrails in Large Language Models for Verbal Attacks
di: Wang, Libo
Pubblicazione: (2024)
di: Wang, Libo
Pubblicazione: (2024)
Dynamic Welfare-Maximizing Pooled Testing
di: Lopez, Nicholas, et al.
Pubblicazione: (2026)
di: Lopez, Nicholas, et al.
Pubblicazione: (2026)
ConfTuner: Training Large Language Models to Express Their Confidence Verbally
di: Li, Yibo, et al.
Pubblicazione: (2025)
di: Li, Yibo, et al.
Pubblicazione: (2025)
Episodic Memory Verbalization using Hierarchical Representations of Life-Long Robot Experience
di: Bärmann, Leonard, et al.
Pubblicazione: (2024)
di: Bärmann, Leonard, et al.
Pubblicazione: (2024)
Probing a Vision-Language-Action Model for Symbolic States and Integration into a Cognitive Architecture
di: Lu, Hong, et al.
Pubblicazione: (2025)
di: Lu, Hong, et al.
Pubblicazione: (2025)
Taking AI Welfare Seriously
di: Long, Robert, et al.
Pubblicazione: (2024)
di: Long, Robert, et al.
Pubblicazione: (2024)
Are we Doomed to an AI Race? Why Self-Interest Could Drive Countries Towards a Moratorium on Superintelligence
di: Roussel, Edward, et al.
Pubblicazione: (2026)
di: Roussel, Edward, et al.
Pubblicazione: (2026)
Ignore This Title and HackAPrompt: Exposing Systemic Vulnerabilities of LLMs through a Global Scale Prompt Hacking Competition
di: Schulhoff, Sander, et al.
Pubblicazione: (2023)
di: Schulhoff, Sander, et al.
Pubblicazione: (2023)
Incremental Learning of Humanoid Robot Behavior from Natural Interaction and Large Language Models
di: Bärmann, Leonard, et al.
Pubblicazione: (2023)
di: Bärmann, Leonard, et al.
Pubblicazione: (2023)
Unified Preference Optimization: Language Model Alignment Beyond the Preference Frontier
di: Badrinath, Anirudhan, et al.
Pubblicazione: (2024)
di: Badrinath, Anirudhan, et al.
Pubblicazione: (2024)
Process Supervision via Verbal Critique Improves Reasoning in Large Language Models
di: Chen, Hao-Yuan
Pubblicazione: (2026)
di: Chen, Hao-Yuan
Pubblicazione: (2026)
Agential AI for Integrated Continual Learning, Deliberative Behavior, and Comprehensible Models
di: Erden, Zeki Doruk, et al.
Pubblicazione: (2025)
di: Erden, Zeki Doruk, et al.
Pubblicazione: (2025)
LLMdoctor: Token-Level Flow-Guided Preference Optimization for Efficient Test-Time Alignment of Large Language Models
di: Shen, Tiesunlong, et al.
Pubblicazione: (2026)
di: Shen, Tiesunlong, et al.
Pubblicazione: (2026)
ReProbe: Efficient Test-Time Scaling of Multi-Step Reasoning by Probing Internal States of Large Language Models
di: Ni, Jingwei, et al.
Pubblicazione: (2025)
di: Ni, Jingwei, et al.
Pubblicazione: (2025)
Efficiently Generating Expressive Quadruped Behaviors via Language-Guided Preference Learning
di: Clark, Jaden, et al.
Pubblicazione: (2025)
di: Clark, Jaden, et al.
Pubblicazione: (2025)
A Tool for Generating Exceptional Behavior Tests With Large Language Models
di: Zhong, Linghan, et al.
Pubblicazione: (2025)
di: Zhong, Linghan, et al.
Pubblicazione: (2025)
exLong: Generating Exceptional Behavior Tests with Large Language Models
di: Zhang, Jiyang, et al.
Pubblicazione: (2024)
di: Zhang, Jiyang, et al.
Pubblicazione: (2024)
Verbalized Confidence Triggers Self-Verification: Emergent Behavior Without Explicit Reasoning Supervision
di: Jang, Chaeyun, et al.
Pubblicazione: (2025)
di: Jang, Chaeyun, et al.
Pubblicazione: (2025)
ReasoningWeekly: A General Knowledge and Verbal Reasoning Challenge for Large Language Models
di: Wu, Zixuan, et al.
Pubblicazione: (2025)
di: Wu, Zixuan, et al.
Pubblicazione: (2025)
Boosting Self-Efficacy and Performance of Large Language Models via Verbal Efficacy Stimulations
di: Chen, Rui, et al.
Pubblicazione: (2025)
di: Chen, Rui, et al.
Pubblicazione: (2025)
On Diversified Preferences of Large Language Model Alignment
di: Zeng, Dun, et al.
Pubblicazione: (2023)
di: Zeng, Dun, et al.
Pubblicazione: (2023)
Measuring Political Preferences in AI Systems: An Integrative Approach
di: Rozado, David
Pubblicazione: (2025)
di: Rozado, David
Pubblicazione: (2025)
Integrating Disambiguation and User Preferences into Large Language Models for Robot Motion Planning
di: Abugurain, Mohammed, et al.
Pubblicazione: (2024)
di: Abugurain, Mohammed, et al.
Pubblicazione: (2024)
Think Again! The Effect of Test-Time Compute on Preferences, Opinions, and Beliefs of Large Language Models
di: Kour, George, et al.
Pubblicazione: (2025)
di: Kour, George, et al.
Pubblicazione: (2025)
Documenti analoghi
-
AI Alignment Strategies from a Risk Perspective: Independent Safety Mechanisms or Shared Failures?
di: Dung, Leonard, et al.
Pubblicazione: (2025) -
Instrumental Choices: Measuring the Propensity of LLM Agents to Pursue Instrumental Behaviors
di: Wiedermann-Möller, Jonas, et al.
Pubblicazione: (2026) -
Safe, Untrusted, "Proof-Carrying" AI Agents: toward the agentic lakehouse
di: Tagliabue, Jacopo, et al.
Pubblicazione: (2025) -
Probing Persona-Dependent Preferences in Language Models
di: Gilg, Oscar, et al.
Pubblicazione: (2026) -
Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse
di: Tagliabue, Jacopo
Pubblicazione: (2026)