Buchumschlag

Less Diverse, Less Safe: The Indirect But Pervasive Risk of Test-Time Scaling in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nahin, Shahriar Kabir, Askari, Hadi, Chen, Muhao, Chhabra, Anshuman
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting the Effectiveness of LLM Pruning for Test-Time Scaling
von: Monjur, Ocean, et al.
Veröffentlicht: (2026)

SafeLens: Deliberate and Efficient Video Guardrails with Fast-and-Slow Screening
von: Nahin, Shahriar Kabir, et al.
Veröffentlicht: (2026)

LayerIF: Estimating Layer Quality for Large Language Models using Influence Functions
von: Askari, Hadi, et al.
Veröffentlicht: (2025)

Revisiting Zero-Shot Abstractive Summarization in the Era of Large Language Models from the Perspective of Position Bias
von: Chhabra, Anshuman, et al.
Veröffentlicht: (2024)

Unraveling Indirect In-Context Learning Using Influence Functions
von: Askari, Hadi, et al.
Veröffentlicht: (2025)

Agentic AI Security: Threats, Defenses, Evaluation, and Open Challenges
von: Chhabra, Anshuman, et al.
Veröffentlicht: (2025)

First is Not Really Better Than Last: Evaluating Layer Choice and Aggregation Strategies in Language Model Data Influence Estimation
von: Vitel, Dmytro, et al.
Veröffentlicht: (2025)

Incentivizing News Consumption on Social Media Platforms Using Large Language Models and Realistic Bot Accounts
von: Askari, Hadi, et al.
Veröffentlicht: (2024)

Assessing LLMs for Zero-shot Abstractive Summarization Through the Lens of Relevance Paraphrasing
von: Askari, Hadi, et al.
Veröffentlicht: (2024)

LIMR: Less is More for RL Scaling
von: Li, Xuefeng, et al.
Veröffentlicht: (2025)

LoRA Learns Less and Forgets Less
von: Biderman, Dan, et al.
Veröffentlicht: (2024)

Less is More: Local Intrinsic Dimensions of Contextual Language Models
von: Ruppik, Benjamin Matthias, et al.
Veröffentlicht: (2025)

MetaScale: Test-Time Scaling with Evolving Meta-Thoughts
von: Liu, Qin, et al.
Veröffentlicht: (2025)

Golden Layers and Where to Find Them: Improved Knowledge Editing for Large Language Models Via Layer Gradient Analysis
von: Datta, Shrestha, et al.
Veröffentlicht: (2026)

Provable Scaling Laws for the Test-Time Compute of Large Language Models
von: Chen, Yanxi, et al.
Veröffentlicht: (2024)

Active Layer-Contrastive Decoding Reduces Hallucination in Large Language Model Generation
von: Zhang, Hongxiang, et al.
Veröffentlicht: (2025)

Input-Time Scaling: Adding Noise and Irrelevance into Less-Is-More Drastically Improves Reasoning Performance and Efficiency
von: Huang, Rapheal, et al.
Veröffentlicht: (2025)

Watching the AI Watchdogs: A Fairness and Robustness Analysis of AI Safety Moderation Classifiers
von: Achara, Akshit, et al.
Veröffentlicht: (2025)

Neuroplasticity and Corruption in Model Mechanisms: A Case Study Of Indirect Object Identification
von: Chhabra, Vishnu Kabir, et al.
Veröffentlicht: (2025)

Less is More: Improving LLM Reasoning with Minimal Test-Time Intervention
von: Yang, Zhen, et al.
Veröffentlicht: (2025)

Time Travel in LLMs: Tracing Data Contamination in Large Language Models
von: Golchin, Shahriar, et al.
Veröffentlicht: (2023)

Lil: Less is Less When Applying Post-Training Sparse-Attention Algorithms in Long-Decode Stage
von: Hu, Junhao, et al.
Veröffentlicht: (2026)

What Is The Performance Ceiling of My Classifier? Utilizing Category-Wise Influence Functions for Pareto Frontier Analysis
von: Nahin, Shahriar Kabir, et al.
Veröffentlicht: (2025)

Does Training on Synthetic Data Make Models Less Robust?
von: Zhang, Lingze, et al.
Veröffentlicht: (2025)

Supernova: Achieving More with Less in Transformer Architectures
von: Tanase, Andrei-Valentin, et al.
Veröffentlicht: (2025)

When Less is Enough: Efficient Inference via Collaborative Reasoning
von: Chen, Yilei, et al.
Veröffentlicht: (2026)

Test-Time Learning for Large Language Models
von: Hu, Jinwu, et al.
Veröffentlicht: (2025)

Offset Unlearning for Large Language Models
von: Huang, James Y., et al.
Veröffentlicht: (2024)

Less is More: Denoising Knowledge Graphs For Retrieval Augmented Generation
von: Zheng, Yilun, et al.
Veröffentlicht: (2025)

Data Contamination Quiz: A Tool to Detect and Estimate Contamination in Large Language Models
von: Golchin, Shahriar, et al.
Veröffentlicht: (2023)

Less is More for Improving Automatic Evaluation of Factual Consistency
von: Wang, Tong, et al.
Veröffentlicht: (2024)

Optimizing Diversity and Quality through Base-Aligned Model Collaboration
von: Wang, Yichen, et al.
Veröffentlicht: (2025)

Linguistic Blind Spots of Large Language Models
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

Scaling over Scaling: Exploring Test-Time Scaling Plateau in Large Reasoning Models
von: Wang, Jian, et al.
Veröffentlicht: (2025)

Aligning Large Language Models to Follow Instructions and Hallucinate Less via Effective Data Filtering
von: Si, Shuzheng, et al.
Veröffentlicht: (2025)

When More is Less: Understanding Chain-of-Thought Length in LLMs
von: Wu, Yuyang, et al.
Veröffentlicht: (2025)

Less is More: Selective Reflection for Compatible and Efficient Knowledge Distillation in Large Language Models
von: Liu, Lingyuan, et al.
Veröffentlicht: (2025)

Hallucinate Less by Thinking More: Aspect-Based Causal Abstention for Large Language Models
von: Nguyen, Vy, et al.
Veröffentlicht: (2025)

Curvature-Weighted Capacity Allocation: A Minimum Description Length Framework for Layer-Adaptive Large Language Model Optimization
von: Amaefuna, Theophilus, et al.
Veröffentlicht: (2026)

Instructional Fingerprinting of Large Language Models
von: Xu, Jiashu, et al.
Veröffentlicht: (2024)