Uncovering Strategic Egoism Behaviors in Large Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhang, Yaoyuan, Liu, Aishan, Ying, Zonghao, Liu, Xianglong, Liu, Jiangfan, Xiao, Yisong, Zhang, Qihang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Detoxifying Large Language Models via Autoregressive Reward Guided Representation Editing
di: Xiao, Yisong, et al.
Pubblicazione: (2025)
di: Xiao, Yisong, et al.
Pubblicazione: (2025)
Reasoning-Augmented Conversation for Multi-Turn Jailbreak Attacks on Large Language Models
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
Unveiling the Safety of GPT-4o: An Empirical Study using Jailbreak Attacks
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
Fairness Mediator: Neutralize Stereotype Associations to Mitigate Bias in Large Language Models
di: Xiao, Yisong, et al.
Pubblicazione: (2025)
di: Xiao, Yisong, et al.
Pubblicazione: (2025)
Jailbreak Vision Language Models via Bi-Modal Adversarial Prompt
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
Bench2ADVLM: A Closed-Loop Benchmark for Vision-language Models in Autonomous Driving
di: Zhang, Tianyuan, et al.
Pubblicazione: (2025)
di: Zhang, Tianyuan, et al.
Pubblicazione: (2025)
Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing
di: Xiao, Yisong, et al.
Pubblicazione: (2023)
di: Xiao, Yisong, et al.
Pubblicazione: (2023)
AgentVisor: Defending LLM Agents Against Prompt Injection via Semantic Virtualization
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
CogMorph: Cognitive Morphing Attacks for Text-to-Image Models
di: Jing, Zonglei, et al.
Pubblicazione: (2025)
di: Jing, Zonglei, et al.
Pubblicazione: (2025)
Manipulating Multimodal Agents via Cross-Modal Prompt Injection
di: Wang, Le, et al.
Pubblicazione: (2025)
di: Wang, Le, et al.
Pubblicazione: (2025)
Fairness Testing of Large Language Models in Role-Playing
di: Li, Xinyue, et al.
Pubblicazione: (2024)
di: Li, Xinyue, et al.
Pubblicazione: (2024)
Evolving Deception: When Agents Evolve, Deception Wins
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
Towards Understanding the Safety Boundaries of DeepSeek Models: Evaluation and Findings
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
Reading Between the Pixels: An Inscriptive Jailbreak Attack on Text-to-Image Models
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
SafeBench: A Safety Evaluation Framework for Multimodal Large Language Models
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
di: Ying, Zonghao, et al.
Pubblicazione: (2024)
LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions
di: Zhang, Tianyuan, et al.
Pubblicazione: (2024)
di: Zhang, Tianyuan, et al.
Pubblicazione: (2024)
SPARK: Jailbreaking T2V Models by Synergistically Prompting Auditory and Recontextualized Knowledge
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
Uncovering Bias in Foundation Models: Impact, Testing, Harm, and Mitigation
di: Sun, Shuzhou, et al.
Pubblicazione: (2025)
di: Sun, Shuzhou, et al.
Pubblicazione: (2025)
Who is better at math, Jenny or Jingzhen? Uncovering Stereotypes in Large Language Models
di: Siddique, Zara, et al.
Pubblicazione: (2024)
di: Siddique, Zara, et al.
Pubblicazione: (2024)
GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing
di: Xiao, Yisong, et al.
Pubblicazione: (2024)
di: Xiao, Yisong, et al.
Pubblicazione: (2024)
Uncovering Name-Based Biases in Large Language Models Through Simulated Trust Game
di: Wei, Yumou, et al.
Pubblicazione: (2024)
di: Wei, Yumou, et al.
Pubblicazione: (2024)
AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
di: Ying, Zonghao, et al.
Pubblicazione: (2025)
Can the capability of Large Language Models be described by human ability? A Meta Study
di: Zan, Mingrui, et al.
Pubblicazione: (2025)
di: Zan, Mingrui, et al.
Pubblicazione: (2025)
Adversarial Generation and Collaborative Evolution of Safety-Critical Scenarios for Autonomous Vehicles
di: Liu, Jiangfan, et al.
Pubblicazione: (2025)
di: Liu, Jiangfan, et al.
Pubblicazione: (2025)
Bias and Volatility: A Statistical Framework for Evaluating Large Language Model's Stereotypes and the Associated Generation Inconsistency
di: Liu, Yiran, et al.
Pubblicazione: (2024)
di: Liu, Yiran, et al.
Pubblicazione: (2024)
GuardAD: Safeguarding Autonomous Driving MLLMs via Markovian Safety Logic
di: Zhang, Tianyuan, et al.
Pubblicazione: (2026)
di: Zhang, Tianyuan, et al.
Pubblicazione: (2026)
Strategic Insights in Human and Large Language Model Tactics at Word Guessing Games
di: Rikters, Matīss, et al.
Pubblicazione: (2024)
di: Rikters, Matīss, et al.
Pubblicazione: (2024)
Uncovering Security Threats and Architecting Defenses in Autonomous Agents: A Case Study of OpenClaw
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
di: Ying, Zonghao, et al.
Pubblicazione: (2026)
Uncovering Intervention Opportunities for Suicide Prevention with Language Model Assistants
di: Ranjit, Jaspreet, et al.
Pubblicazione: (2025)
di: Ranjit, Jaspreet, et al.
Pubblicazione: (2025)
Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering Human Perceptual Variability on Facial Expressions
di: Deng, Haotian, et al.
Pubblicazione: (2025)
di: Deng, Haotian, et al.
Pubblicazione: (2025)
From General Reasoning to Domain Expertise: Uncovering the Limits of Generalization in Large Language Models
di: Alsagheer, Dana, et al.
Pubblicazione: (2025)
di: Alsagheer, Dana, et al.
Pubblicazione: (2025)
Towards Robust Physical-world Backdoor Attacks on Lane Detection
di: Zhang, Xinwei, et al.
Pubblicazione: (2024)
di: Zhang, Xinwei, et al.
Pubblicazione: (2024)
CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy
di: Zhang, Mian, et al.
Pubblicazione: (2024)
di: Zhang, Mian, et al.
Pubblicazione: (2024)
Misconception Acquisition Dynamics in Large Language Models
di: Liu, Naiming, et al.
Pubblicazione: (2026)
di: Liu, Naiming, et al.
Pubblicazione: (2026)
Strategic Stalemates: The Paradox of Export Controls in the U.S.-China AI Race
di: Liu, Jingwen, et al.
Pubblicazione: (2026)
di: Liu, Jingwen, et al.
Pubblicazione: (2026)
Position: Open and Closed Large Language Models in Healthcare
di: Xu, Jiawei, et al.
Pubblicazione: (2025)
di: Xu, Jiawei, et al.
Pubblicazione: (2025)
Language of Thought Shapes Output Diversity in Large Language Models
di: Xu, Shaoyang, et al.
Pubblicazione: (2026)
di: Xu, Shaoyang, et al.
Pubblicazione: (2026)
Benchmarking Large Language Models on Homework Assessment in Circuit Analysis
di: Chen, Liangliang, et al.
Pubblicazione: (2025)
di: Chen, Liangliang, et al.
Pubblicazione: (2025)
Analyzing the Safety of Japanese Large Language Models in Stereotype-Triggering Prompts
di: Nakanishi, Akito, et al.
Pubblicazione: (2025)
di: Nakanishi, Akito, et al.
Pubblicazione: (2025)
Exploring Accuracy-Fairness Trade-off in Large Language Models
di: Zhang, Qingquan, et al.
Pubblicazione: (2024)
di: Zhang, Qingquan, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Detoxifying Large Language Models via Autoregressive Reward Guided Representation Editing
di: Xiao, Yisong, et al.
Pubblicazione: (2025) -
Reasoning-Augmented Conversation for Multi-Turn Jailbreak Attacks on Large Language Models
di: Ying, Zonghao, et al.
Pubblicazione: (2025) -
Unveiling the Safety of GPT-4o: An Empirical Study using Jailbreak Attacks
di: Ying, Zonghao, et al.
Pubblicazione: (2024) -
Fairness Mediator: Neutralize Stereotype Associations to Mitigate Bias in Large Language Models
di: Xiao, Yisong, et al.
Pubblicazione: (2025) -
Jailbreak Vision Language Models via Bi-Modal Adversarial Prompt
di: Ying, Zonghao, et al.
Pubblicazione: (2024)