Buchumschlag

Defending the Hierarchical Result Models of Precedential Constraint

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Prakken, Henry, van Woerkom, Wijnand
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Frobenius equivalence and Beck-Chevalley condition for Algebraic Weak Factorisation Systems
von: van Woerkom, Wijnand, et al.
Veröffentlicht: (2024)

A Bayesian Framework for Active Tactile Object Recognition, Pose Estimation and Shape Transfer Learning
von: Zheng, Haodong, et al.
Veröffentlicht: (2024)

MISLEADER: Defending against Model Extraction with Ensembles of Distilled Models
von: Cheng, Xueqi, et al.
Veröffentlicht: (2025)

Defending Deep Regression Models against Backdoor Attacks
von: Du, Lingyu, et al.
Veröffentlicht: (2024)

Self-Guard: Defending Large Reasoning Models via enhanced self-reflection
von: Zheng, Jingnan, et al.
Veröffentlicht: (2026)

SelfDefend: LLMs Can Defend Themselves against Jailbreaking in a Practical Manner
von: Wang, Xunguang, et al.
Veröffentlicht: (2024)

Expose Before You Defend: Unifying and Enhancing Backdoor Defenses via Exposed Models
von: Li, Yige, et al.
Veröffentlicht: (2024)

GroupGuard: A Framework for Modeling and Defending Collusive Attacks in Multi-Agent Systems
von: Tao, Yiling, et al.
Veröffentlicht: (2026)

Defending Large Language Models Against Jailbreak Attacks via Layer-specific Editing
von: Zhao, Wei, et al.
Veröffentlicht: (2024)

Defending Against Beta Poisoning Attacks in Machine Learning Models
von: Gulciftci, Nilufer, et al.
Veröffentlicht: (2025)

SmoothLLM: Defending Large Language Models Against Jailbreaking Attacks
von: Robey, Alexander, et al.
Veröffentlicht: (2023)

Reliable Model Watermarking: Defending Against Theft without Compromising on Evasion
von: Zhu, Hongyu, et al.
Veröffentlicht: (2024)

Defend: Automated Rebuttals for Peer Review with Minimal Author Guidance
von: Khatri, Jyotsana, et al.
Veröffentlicht: (2026)

Likelihood Training of Cascaded Diffusion Models via Hierarchical Volume-preserving Maps
von: Li, Henry, et al.
Veröffentlicht: (2025)

Large Language Models are Autonomous Cyber Defenders
von: Castro, Sebastián R., et al.
Veröffentlicht: (2025)

Generalizing Constraint Models in Constraint Acquisition
von: Tsouros, Dimos, et al.
Veröffentlicht: (2024)

Learning Optimal Defender Strategies for CAGE-2 using a POMDP Model
von: Le, Duc Huy, et al.
Veröffentlicht: (2025)

Defending Large Language Models Against Jailbreak Exploits with Responsible AI Considerations
von: Wong, Ryan, et al.
Veröffentlicht: (2025)

Benchmarking and Defending Against Indirect Prompt Injection Attacks on Large Language Models
von: Yi, Jingwei, et al.
Veröffentlicht: (2023)

Constraint-Aware Route Recommendation from Natural Language via Hierarchical LLM Agents
von: Zhe, Tao, et al.
Veröffentlicht: (2025)

Defending Compute Thresholds Against Legal Loopholes
von: Pistillo, Matteo, et al.
Veröffentlicht: (2025)

LastingBench: Defend Benchmarks Against Knowledge Leakage
von: Fang, Yixiong, et al.
Veröffentlicht: (2025)

Defending against Indirect Prompt Injection by Instruction Detection
von: Wen, Tongyu, et al.
Veröffentlicht: (2025)

Defending LLMs against Jailbreaking Attacks via Backtranslation
von: Wang, Yihan, et al.
Veröffentlicht: (2024)

Excluding the Target Domain Improves Extrapolation: Deconfounded Hierarchical Physics Constraints
von: Okita, Tsuyoshi
Veröffentlicht: (2026)

Defend LLMs Through Self-Consciousness
von: Huang, Boshi, et al.
Veröffentlicht: (2025)

Backdoor Token Unlearning: Exposing and Defending Backdoors in Pretrained Language Models
von: Jiang, Peihai, et al.
Veröffentlicht: (2025)

Retrieval-Confused Generation is a Good Defender for Privacy Violation Attack of Large Language Models
von: Peng, Wanli, et al.
Veröffentlicht: (2025)

Defending Large Language Models Against Jailbreak Attacks via In-Decoding Safety-Awareness Probing
von: Zhao, Yinzhi, et al.
Veröffentlicht: (2026)

Defending against Stegomalware in Deep Neural Networks with Permutation Symmetry
von: Torpmann-Hagen, Birk, et al.
Veröffentlicht: (2025)

Concept-Aware Privacy Mechanisms for Defending Embedding Inversion Attacks
von: Tsai, Yu-Che, et al.
Veröffentlicht: (2026)

No Free Lunch for Defending Against Prefilling Attack by In-Context Learning
von: Xue, Zhiyu, et al.
Veröffentlicht: (2024)

ProGRank: Probe-Gradient Reranking to Defend Dense-Retriever RAG from Corpus Poisoning
von: Yin, Xiangyu, et al.
Veröffentlicht: (2026)

Defending LLM-based Multi-Agent Systems Against Cooperative Attacks with Sentence-Level Rectification
von: Luo, Yaoyang, et al.
Veröffentlicht: (2026)

Defending against Jailbreak through Early Exit Generation of Large Language Models
von: Zhao, Chongwen, et al.
Veröffentlicht: (2024)

Optimal Defender Strategies for CAGE-2 using Causal Modeling and Tree Search
von: Hammar, Kim, et al.
Veröffentlicht: (2024)

DynaTrust: Defending Multi-Agent Systems Against Sleeper Agents via Dynamic Trust Graphs
von: Li, Yu, et al.
Veröffentlicht: (2026)

RTBAS: Defending LLM Agents Against Prompt Injection and Privacy Leakage
von: Zhong, Peter Yong, et al.
Veröffentlicht: (2025)

Breaking Guardrails, Facing Walls: Insights on Adversarial AI for Defenders & Researchers
von: Bertollo, Giacomo, et al.
Veröffentlicht: (2025)

Defending Membership Inference Attacks via Privacy-aware Sparsity Tuning
von: Hu, Qiang, et al.
Veröffentlicht: (2024)