Buchumschlag

LLMs Show Surface-Form Brittleness Under Paraphrase Stress Tests

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Carranza, Juan Miguel Navarro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Paraphrase and Solve: Exploring and Exploiting the Impact of Surface Form on Mathematical Reasoning in Large Language Models
von: Zhou, Yue, et al.
Veröffentlicht: (2024)

On the Brittleness of LLMs: A Journey around Set Membership
von: Hergert, Lea, et al.
Veröffentlicht: (2025)

Paraphrase-Induced Output-Mode Collapse: When LLMs Break Character Under Semantically Equivalent Inputs
von: Liu, Aofan, et al.
Veröffentlicht: (2026)

Exploring Robustness of LLMs to Paraphrasing Based on Sociodemographic Factors
von: Arora, Pulkit, et al.
Veröffentlicht: (2025)

Generalization or Memorization? Brittleness Testing for Chess-Trained Language Models
von: Tang, Ethan
Veröffentlicht: (2026)

Weird Generalization is Weirdly Brittle
von: Wanner, Miriam, et al.
Veröffentlicht: (2026)

Can LLMs Detect Intrinsic Hallucinations in Paraphrasing and Machine Translation?
von: Gogoulou, Evangelia, et al.
Veröffentlicht: (2025)

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

Say It Another Way: Auditing LLMs with a User-Grounded Automated Paraphrasing Framework
von: Chataigner, Cléa, et al.
Veröffentlicht: (2025)

Can LLMs Reason with Rules? Logic Scaffolding for Stress-Testing and Improving LLMs
von: Wang, Siyuan, et al.
Veröffentlicht: (2024)

Paraphrase Types for Generation and Detection
von: Wahle, Jan Philip, et al.
Veröffentlicht: (2023)

Task-Oriented Paraphrase Analytics
von: Gohsen, Marcel, et al.
Veröffentlicht: (2024)

Linguistically-Controlled Paraphrase Generation
von: Elgaar, Mohamed, et al.
Veröffentlicht: (2024)

Paraphrase-Aligned Machine Translation
von: Chang, Ke-Ching, et al.
Veröffentlicht: (2024)

Mitigating Paraphrase Attacks on Machine-Text Detectors via Paraphrase Inversion
von: Soto, Rafael Rivera, et al.
Veröffentlicht: (2024)

Your Agent is More Brittle Than You Think: Uncovering Indirect Injection Vulnerabilities in Agentic LLMs
von: Zhu, Wenhui, et al.
Veröffentlicht: (2026)

PTEB: Towards Robust Text Embedding Evaluation via Stochastic Paraphrasing at Evaluation Time with LLMs
von: Frank, Manuel, et al.
Veröffentlicht: (2025)

RoParQ: Paraphrase-Aware Alignment of Large Language Models Towards Robustness to Paraphrased Questions
von: Choi, Minjoon
Veröffentlicht: (2025)

Are Humans as Brittle as Large Language Models?
von: Li, Jiahui, et al.
Veröffentlicht: (2025)

MahaParaphrase: A Marathi Paraphrase Detection Corpus and BERT-based Models
von: Jadhav, Suramya, et al.
Veröffentlicht: (2025)

AdParaphrase v2.0: Generating Attractive Ad Texts Using a Preference-Annotated Paraphrase Dataset
von: Murakami, Soichiro, et al.
Veröffentlicht: (2025)

Systematic Diagnosis of Brittle Reasoning in Large Language Models
von: Parupudi, V. S. Raghu
Veröffentlicht: (2025)

Paraphrasing in Affirmative Terms Improves Negation Understanding
von: Rezaei, MohammadHossein, et al.
Veröffentlicht: (2024)

Learning to Adapt to Low-Resource Paraphrase Generation
von: Li, Zhigen, et al.
Veröffentlicht: (2024)

Paraphrase Types Elicit Prompt Engineering Capabilities
von: Wahle, Jan Philip, et al.
Veröffentlicht: (2024)

Semantic Search as Extractive Paraphrase Span Detection
von: Kanerva, Jenna, et al.
Veröffentlicht: (2021)

AdParaphrase: Paraphrase Dataset for Analyzing Linguistic Features toward Generating Attractive Ad Texts
von: Murakami, Soichiro, et al.
Veröffentlicht: (2025)

Stumbling Blocks: Stress Testing the Robustness of Machine-Generated Text Detectors Under Attacks
von: Wang, Yichen, et al.
Veröffentlicht: (2024)

Action Controlled Paraphrasing
von: Shi, Ning, et al.
Veröffentlicht: (2024)

Probability of Differentiation Reveals Brittleness of Homogeneity Bias in GPT-4
von: Lee, Messi H. J., et al.
Veröffentlicht: (2024)

A Large-Scale Benchmark for Vietnamese Sentence Paraphrases
von: Nguyen, Sang Quang, et al.
Veröffentlicht: (2025)

Improved Paraphrase Generation via Controllable Latent Diffusion
von: Zou, Wei, et al.
Veröffentlicht: (2024)

Monotonic Paraphrasing Improves Generalization of Language Model Prompting
von: Liu, Qin, et al.
Veröffentlicht: (2024)

Knowing but Not Showing: LLMs Recognize Ambiguity but Rarely Ask Clarifying Questions
von: Su, Jinyan, et al.
Veröffentlicht: (2026)

Interpretable and Robust Dialogue State Tracking via Natural Language Summarization with LLMs
von: Carranza, Rafael, et al.
Veröffentlicht: (2025)

Self-Adaptive Paraphrasing and Preference Learning for Improved Claim Verifiability
von: Wührl, Amelie, et al.
Veröffentlicht: (2024)

GPT-DETOX: An In-Context Learning-Based Paraphraser for Text Detoxification
von: Pesaranghader, Ali, et al.
Veröffentlicht: (2024)

Showing LLM-Generated Code Selectively Based on Confidence of LLMs
von: Li, Jia, et al.
Veröffentlicht: (2024)

Measuring Bias or Measuring the Task: Understanding the Brittle Nature of LLM Gender Biases
von: Gao, Bufan, et al.
Veröffentlicht: (2025)

SMCLM: Semantically Meaningful Causal Language Modeling for Autoregressive Paraphrase Generation
von: Perełkiewicz, Michał, et al.
Veröffentlicht: (2025)