Enregistré dans:
| Auteurs principaux: | Bou, Matthieu, Patel, Nyal, Jagota, Arjun, Krishna, Satyapriya, Parbhoo, Sonali |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2510.06096 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Learning from Failures: Understanding LLM Alignment through Failure-Aware Inverse RL
par: Patel, Nyal, et autres
Publié: (2025)
par: Patel, Nyal, et autres
Publié: (2025)
Insights from the Inverse: Reconstructing LLM Training Goals Through Inverse Reinforcement Learning
par: Joselowitz, Jared, et autres
Publié: (2024)
par: Joselowitz, Jared, et autres
Publié: (2024)
On Almost Surely Safe Alignment of Large Language Models at Inference-Time
par: Ji, Xiaotong, et autres
Publié: (2025)
par: Ji, Xiaotong, et autres
Publié: (2025)
Tree-Based Leakage Inspection and Control in Concept Bottleneck Models
par: Ragkousis, Angelos, et autres
Publié: (2024)
par: Ragkousis, Angelos, et autres
Publié: (2024)
Why LLMs Fail at Causal Discovery and How Interventional Agents Escape
par: Roy, Amartya, et autres
Publié: (2026)
par: Roy, Amartya, et autres
Publié: (2026)
In-Context Explainers: Harnessing LLMs for Explaining Black Box Models
par: Kroeger, Nicholas, et autres
Publié: (2023)
par: Kroeger, Nicholas, et autres
Publié: (2023)
Causal Bayesian Optimization with Unknown Graphs
par: Durand, Jean, et autres
Publié: (2025)
par: Durand, Jean, et autres
Publié: (2025)
References Improve LLM Alignment in Non-Verifiable Domains
par: Shi, Kejian, et autres
Publié: (2026)
par: Shi, Kejian, et autres
Publié: (2026)
Importing Phantoms: Measuring LLM Package Hallucination Vulnerabilities
par: Krishna, Arjun, et autres
Publié: (2025)
par: Krishna, Arjun, et autres
Publié: (2025)
Improving LLM Safety Alignment with Dual-Objective Optimization
par: Zhao, Xuandong, et autres
Publié: (2025)
par: Zhao, Xuandong, et autres
Publié: (2025)
Uncovering Cross-Objective Interference in Multi-Objective Alignment
par: Lu, Yining, et autres
Publié: (2026)
par: Lu, Yining, et autres
Publié: (2026)
Drifting Objectives for Refining Discrete Diffusion Language Models
par: Oba, Daisuke, et autres
Publié: (2026)
par: Oba, Daisuke, et autres
Publié: (2026)
Compress the Context, Keep the Commitments: A Formal Framework for Verifiable LLM Context Compression
par: Trukhina, Natalia, et autres
Publié: (2026)
par: Trukhina, Natalia, et autres
Publié: (2026)
Do regularization methods for shortcut mitigation work as intended?
par: Hong, Haoyang, et autres
Publié: (2025)
par: Hong, Haoyang, et autres
Publié: (2025)
DualDiffusion: A Speculative Decoding Strategy for Masked Diffusion Models
par: Goyal, Satyam, et autres
Publié: (2026)
par: Goyal, Satyam, et autres
Publié: (2026)
Multi-Task GRPO: Reliable LLM Reasoning Across Tasks
par: Ramesh, Shyam Sundhar, et autres
Publié: (2026)
par: Ramesh, Shyam Sundhar, et autres
Publié: (2026)
Bayesian Inverse Transition Learning: Learning Dynamics From Near-Optimal Trajectories
par: Benac, Leo, et autres
Publié: (2024)
par: Benac, Leo, et autres
Publié: (2024)
Robust Multi-Objective Preference Alignment with Online DPO
par: Gupta, Raghav, et autres
Publié: (2025)
par: Gupta, Raghav, et autres
Publié: (2025)
Blockwise Advantage Estimation for Multi-Objective RL with Verifiable Rewards
par: Pavlenko, Kirill, et autres
Publié: (2026)
par: Pavlenko, Kirill, et autres
Publié: (2026)
Multi-Objective Alignment of Language Models for Personalized Psychotherapy
par: Beikzadeh, Mehrab, et autres
Publié: (2026)
par: Beikzadeh, Mehrab, et autres
Publié: (2026)
Discovering Implicit Large Language Model Alignment Objectives
par: Chen, Edward, et autres
Publié: (2026)
par: Chen, Edward, et autres
Publié: (2026)
Solving the Inverse Alignment Problem for Efficient RLHF
par: Krishna, Shambhavi, et autres
Publié: (2024)
par: Krishna, Shambhavi, et autres
Publié: (2024)
Mixture of Attentions For Speculative Decoding
par: Zimmer, Matthieu, et autres
Publié: (2024)
par: Zimmer, Matthieu, et autres
Publié: (2024)
Concept-driven Off Policy Evaluation
par: Majumdar, Ritam, et autres
Publié: (2024)
par: Majumdar, Ritam, et autres
Publié: (2024)
VerifierQ: Enhancing LLM Test Time Compute with Q-Learning-based Verifiers
par: Qi, Jianing, et autres
Publié: (2024)
par: Qi, Jianing, et autres
Publié: (2024)
De Jure: Iterative LLM Self-Refinement for Structured Extraction of Regulatory Rules
par: Guliani, Keerat, et autres
Publié: (2026)
par: Guliani, Keerat, et autres
Publié: (2026)
Reward-free Alignment for Conflicting Objectives
par: Chen, Peter, et autres
Publié: (2026)
par: Chen, Peter, et autres
Publié: (2026)
Guarantee Regions for Local Explanations
par: Havasi, Marton, et autres
Publié: (2024)
par: Havasi, Marton, et autres
Publié: (2024)
Towards Integrating Personal Knowledge into Test-Time Predictions
par: Lage, Isaac, et autres
Publié: (2024)
par: Lage, Isaac, et autres
Publié: (2024)
More Than a Score: Probing the Impact of Prompt Specificity on LLM Code Generation
par: Zi, Yangtian, et autres
Publié: (2025)
par: Zi, Yangtian, et autres
Publié: (2025)
Implicit Multimodal Alignment: On the Generalization of Frozen LLMs to Multimodal Inputs
par: Shukor, Mustafa, et autres
Publié: (2024)
par: Shukor, Mustafa, et autres
Publié: (2024)
Learning to Optimize Multi-Objective Alignment Through Dynamic Reward Weighting
par: Lu, Yining, et autres
Publié: (2025)
par: Lu, Yining, et autres
Publié: (2025)
Pareto Multi-Objective Alignment for Language Models
par: He, Qiang, et autres
Publié: (2025)
par: He, Qiang, et autres
Publié: (2025)
UNA: A Unified Supervised Framework for Efficient LLM Alignment Across Feedback Types
par: Wang, Zhichao, et autres
Publié: (2024)
par: Wang, Zhichao, et autres
Publié: (2024)
SparsePO: Controlling Preference Alignment of LLMs via Sparse Token Masks
par: Christopoulou, Fenia, et autres
Publié: (2024)
par: Christopoulou, Fenia, et autres
Publié: (2024)
Rewarding Progress: Scaling Automated Process Verifiers for LLM Reasoning
par: Setlur, Amrith, et autres
Publié: (2024)
par: Setlur, Amrith, et autres
Publié: (2024)
OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment
par: Lin, Liang, et autres
Publié: (2025)
par: Lin, Liang, et autres
Publié: (2025)
More RLHF, More Trust? On The Impact of Preference Alignment On Trustworthiness
par: Li, Aaron J., et autres
Publié: (2024)
par: Li, Aaron J., et autres
Publié: (2024)
Refined Direct Preference Optimization with Synthetic Data for Behavioral Alignment of LLMs
par: Gallego, Víctor
Publié: (2024)
par: Gallego, Víctor
Publié: (2024)
Self-Improvement Towards Pareto Optimality: Mitigating Preference Conflicts in Multi-Objective Alignment
par: Li, Moxin, et autres
Publié: (2025)
par: Li, Moxin, et autres
Publié: (2025)
Documents similaires
-
Learning from Failures: Understanding LLM Alignment through Failure-Aware Inverse RL
par: Patel, Nyal, et autres
Publié: (2025) -
Insights from the Inverse: Reconstructing LLM Training Goals Through Inverse Reinforcement Learning
par: Joselowitz, Jared, et autres
Publié: (2024) -
On Almost Surely Safe Alignment of Large Language Models at Inference-Time
par: Ji, Xiaotong, et autres
Publié: (2025) -
Tree-Based Leakage Inspection and Control in Concept Bottleneck Models
par: Ragkousis, Angelos, et autres
Publié: (2024) -
Why LLMs Fail at Causal Discovery and How Interventional Agents Escape
par: Roy, Amartya, et autres
Publié: (2026)