Redefining Experts: Interpretable Decomposition of Language Models for Toxicity Mitigation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shaik, Zuhair Hasan, Mazhar, Abdullah, Srivastava, Aseem, Akhtar, Md Shad |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Trust Modeling in Counseling Conversations: A Benchmark Study
par: Srivastava, Aseem, et autres
Publié: (2025)
par: Srivastava, Aseem, et autres
Publié: (2025)
Measuring What Matters!! Assessing Therapeutic Principles in Mental-Health Conversation
par: Mazhar, Abdullah, et autres
Publié: (2026)
par: Mazhar, Abdullah, et autres
Publié: (2026)
Knowledge Planning in Large Language Models for Domain-Aligned Counseling Summarization
par: Srivastava, Aseem, et autres
Publié: (2024)
par: Srivastava, Aseem, et autres
Publié: (2024)
Figurative-cum-Commonsense Knowledge Infusion for Multimodal Mental Health Meme Classification
par: Mazhar, Abdullah, et autres
Publié: (2025)
par: Mazhar, Abdullah, et autres
Publié: (2025)
Sentiment-guided Commonsense-aware Response Generation for Mental Health Counseling
par: Srivastava, Aseem, et autres
Publié: (2025)
par: Srivastava, Aseem, et autres
Publié: (2025)
Assess and Prompt: A Generative RL Framework for Improving Engagement in Online Mental Health Communities
par: Gaur, Bhagesh, et autres
Publié: (2025)
par: Gaur, Bhagesh, et autres
Publié: (2025)
Persona-aware Generative Model for Code-mixed Language
par: Sengupta, Ayan, et autres
Publié: (2023)
par: Sengupta, Ayan, et autres
Publié: (2023)
M-HELP: Using Social Media Data to Detect Mental Health Help-Seeking Signals
par: Sathvik, MSVPJ, et autres
Publié: (2025)
par: Sathvik, MSVPJ, et autres
Publié: (2025)
From Images to Words: Efficient Cross-Modal Knowledge Distillation to Language Models from Black-box Teachers
par: Sengupta, Ayan, et autres
Publié: (2026)
par: Sengupta, Ayan, et autres
Publié: (2026)
Tox-BART: Leveraging Toxicity Attributes for Explanation Generation of Implicit Hate Speech
par: Yadav, Neemesh, et autres
Publié: (2024)
par: Yadav, Neemesh, et autres
Publié: (2024)
Incongruence Identification in Eyewitness Testimony
par: Nair, Akshara, et autres
Publié: (2025)
par: Nair, Akshara, et autres
Publié: (2025)
Target-Augmented Shared Fusion-based Multimodal Sarcasm Explanation Generation
par: Goel, Palaash, et autres
Publié: (2025)
par: Goel, Palaash, et autres
Publié: (2025)
Whispering Experts: Neural Interventions for Toxicity Mitigation in Language Models
par: Suau, Xavier, et autres
Publié: (2024)
par: Suau, Xavier, et autres
Publié: (2024)
No perspective, no perception!! Perspective-aware Healthcare Answer Summarization
par: Naik, Gauri, et autres
Publié: (2024)
par: Naik, Gauri, et autres
Publié: (2024)
Crowd Intelligence for Early Misinformation Prediction on Social Media
par: Sundriyal, Megha, et autres
Publié: (2024)
par: Sundriyal, Megha, et autres
Publié: (2024)
QUENCH: Measuring the gap between Indic and Non-Indic Contextual General Reasoning in LLMs
par: Khan, Mohammad Aflah, et autres
Publié: (2024)
par: Khan, Mohammad Aflah, et autres
Publié: (2024)
EROS: Entity-Driven Controlled Policy Document Summarization
par: Singh, Joykirat, et autres
Publié: (2024)
par: Singh, Joykirat, et autres
Publié: (2024)
SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in Conversation (EDiReF)
par: Kumar, Shivani, et autres
Publié: (2024)
par: Kumar, Shivani, et autres
Publié: (2024)
Probing Critical Learning Dynamics of PLMs for Hate Speech Detection
par: Masud, Sarah, et autres
Publié: (2024)
par: Masud, Sarah, et autres
Publié: (2024)
Synthetic Data Generation and Joint Learning for Robust Code-Mixed Translation
par: Kartik, Kartik, et autres
Publié: (2024)
par: Kartik, Kartik, et autres
Publié: (2024)
MAMA-Memeia! Multi-Aspect Multi-Agent Collaboration for Depressive Symptoms Identification in Memes
par: Agarwal, Siddhant, et autres
Publié: (2025)
par: Agarwal, Siddhant, et autres
Publié: (2025)
HateMirage: An Explainable Multi-Dimensional Dataset for Decoding Faux Hate and Subtle Online Abuse
par: Kasu, Sai Kartheek Reddy, et autres
Publié: (2026)
par: Kasu, Sai Kartheek Reddy, et autres
Publié: (2026)
PERCS: Persona-Guided Controllable Biomedical Summarization Dataset
par: Salvi, Rohan Charudatt, et autres
Publié: (2025)
par: Salvi, Rohan Charudatt, et autres
Publié: (2025)
Fine-grained Narrative Classification in Biased News Articles
par: Afroz, Zeba, et autres
Publié: (2025)
par: Afroz, Zeba, et autres
Publié: (2025)
Intent-conditioned and Non-toxic Counterspeech Generation using Multi-Task Instruction Tuning with RLAIF
par: Hengle, Amey, et autres
Publié: (2024)
par: Hengle, Amey, et autres
Publié: (2024)
Evaluating Nuanced Bias in Large Language Model Free Response Answers
par: Healey, Jennifer, et autres
Publié: (2024)
par: Healey, Jennifer, et autres
Publié: (2024)
From One to Many: Expanding the Scope of Toxicity Mitigation in Language Models
par: Pozzobon, Luiza, et autres
Publié: (2024)
par: Pozzobon, Luiza, et autres
Publié: (2024)
Focus on Your Question! Interpreting and Mitigating Toxic CoT Problems in Commonsense Reasoning
par: Li, Jiachun, et autres
Publié: (2024)
par: Li, Jiachun, et autres
Publié: (2024)
Parameter Alignment Mitigates Catastrophic Forgetting in Multilingual Expert Language Models
par: Ahuja, Sanchit, et autres
Publié: (2026)
par: Ahuja, Sanchit, et autres
Publié: (2026)
LogicDiff: Logic-Guided Denoising Improves Zero-Shot Reasoning in Masked Diffusion Language Models
par: Aman, Shaik
Publié: (2026)
par: Aman, Shaik
Publié: (2026)
Natural Language Decomposition and Interpretation of Complex Utterances
par: Jhamtani, Harsh, et autres
Publié: (2023)
par: Jhamtani, Harsh, et autres
Publié: (2023)
Chinese Toxic Language Mitigation via Sentiment Polarity Consistent Rewrites
par: Wang, Xintong, et autres
Publié: (2025)
par: Wang, Xintong, et autres
Publié: (2025)
Redefining Digital Health Interfaces with Large Language Models
par: Imrie, Fergus, et autres
Publié: (2023)
par: Imrie, Fergus, et autres
Publié: (2023)
Measuring and Mitigating Toxicity in Large Language Models: A Comprehensive Replication Study
par: Surana, Mokshit, et autres
Publié: (2026)
par: Surana, Mokshit, et autres
Publié: (2026)
Pitfalls of Evaluating Language Models with Open Benchmarks
par: Hasan, Md. Najib, et autres
Publié: (2025)
par: Hasan, Md. Najib, et autres
Publié: (2025)
Small Language Models: Architectures, Techniques, Evaluation, Problems and Future Adaptation
par: Sakib, Tanjil Hasan, et autres
Publié: (2025)
par: Sakib, Tanjil Hasan, et autres
Publié: (2025)
Ensemble Language Models for Multilingual Sentiment Analysis
par: Hasan, Md Arid
Publié: (2024)
par: Hasan, Md Arid
Publié: (2024)
Mitigating Text Toxicity with Counterfactual Generation
par: Bhan, Milan, et autres
Publié: (2024)
par: Bhan, Milan, et autres
Publié: (2024)
Towards Resource Efficient and Interpretable Bias Mitigation in Large Language Models
par: Tong, Schrasing, et autres
Publié: (2024)
par: Tong, Schrasing, et autres
Publié: (2024)
Mitigating Biases to Embrace Diversity: A Comprehensive Annotation Benchmark for Toxic Language
par: Hou, Xinmeng
Publié: (2024)
par: Hou, Xinmeng
Publié: (2024)
Documents similaires
-
Trust Modeling in Counseling Conversations: A Benchmark Study
par: Srivastava, Aseem, et autres
Publié: (2025) -
Measuring What Matters!! Assessing Therapeutic Principles in Mental-Health Conversation
par: Mazhar, Abdullah, et autres
Publié: (2026) -
Knowledge Planning in Large Language Models for Domain-Aligned Counseling Summarization
par: Srivastava, Aseem, et autres
Publié: (2024) -
Figurative-cum-Commonsense Knowledge Infusion for Multimodal Mental Health Meme Classification
par: Mazhar, Abdullah, et autres
Publié: (2025) -
Sentiment-guided Commonsense-aware Response Generation for Mental Health Counseling
par: Srivastava, Aseem, et autres
Publié: (2025)