Buchumschlag

In Agents We Trust, but Who Do Agents Trust? Latent Source Preferences Steer LLM Generations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Mohammad Aflah, Amani, Mahsa, Das, Soumi, Ghosh, Bishwamittra, Wu, Qinyuan, Gummadi, Krishna P., Gupta, Manish, Ravichander, Abhilasha
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rote Learning Considered Useful: Generalizing over Memorized Data in LLMs
von: Wu, Qinyuan, et al.
Veröffentlicht: (2025)

Fractional Rotation, Full Potential? Investigating Performance and Convergence of Partial RoPE
von: Khan, Mohammad Aflah, et al.
Veröffentlicht: (2026)

Revisiting Privacy, Utility, and Efficiency Trade-offs when Fine-Tuning Large Language Models
von: Das, Soumi, et al.
Veröffentlicht: (2025)

Rethinking Memorization Measures and their Implications in Large Language Models
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2025)

Fine-tuning vs. In-context Learning in Large Language Models: A Formal Language Learning Perspective
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2026)

Understanding Memorisation in LLMs: Dynamics, Influencing Factors, and Implications
von: Speicher, Till, et al.
Veröffentlicht: (2024)

To Call or Not to Call: A Framework to Assess and Optimize LLM Tool Calling
von: Wu, Qinyuan, et al.
Veröffentlicht: (2026)

Towards Reliable Latent Knowledge Estimation in LLMs: Zero-Prompt Many-Shot Based Factual Knowledge Extraction
von: Wu, Qinyuan, et al.
Veröffentlicht: (2024)

LoRA on the Go: Instance-level Dynamic LoRA Selection and Merging
von: Lee, Seungeon, et al.
Veröffentlicht: (2025)

Artifacts or Abduction: How Do LLMs Answer Multiple-Choice Questions Without the Question?
von: Balepur, Nishant, et al.
Veröffentlicht: (2024)

Agent Lumos: Unified and Modular Training for Open-Source Language Agents
von: Yin, Da, et al.
Veröffentlicht: (2023)

Who Can We Trust? Scope-Aware Video Moment Retrieval with Multi-Agent Conflict
von: Wu, Chaochen, et al.
Veröffentlicht: (2025)

Upgrade or Switch: Do We Need a Next-Gen Trusted Architecture for the Internet of AI Agents?
von: Raskar, Ramesh, et al.
Veröffentlicht: (2025)

What Has Been Lost with Synthetic Evaluation?
von: Gill, Alexander, et al.
Veröffentlicht: (2025)

Trust Me, Import This: Dependency Steering Attacks via Malicious Agent Skills
von: Liu, Yiyong, et al.
Veröffentlicht: (2026)

How Much Do We Trust Remote Managers? Examining Follower Trust, Construal, and Performance
von: Timothy D. Golden, et al.
Veröffentlicht: (2025)

In Trust We Survive: Emergent Trust Learning
von: Chen, Qianpu, et al.
Veröffentlicht: (2026)

The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT
von: Dash, Abhisek, et al.
Veröffentlicht: (2026)

Revisiting the Past: Data Unlearning with Model State History
von: Rezaei, Keivan, et al.
Veröffentlicht: (2025)

HALoGEN: Fantastic LLM Hallucinations and Where to Find Them
von: Ravichander, Abhilasha, et al.
Veröffentlicht: (2025)

The Strategic Gap: How AI-Driven Timing and Complexity Shape Investor Trust in the Age of Digital Agents
von: Neupane, Krishna
Veröffentlicht: (2026)

Trusted AI Agents in the Cloud
von: Bodea, Teofil, et al.
Veröffentlicht: (2025)

More RLHF, More Trust? On The Impact of Preference Alignment On Trustworthiness
von: Li, Aaron J., et al.
Veröffentlicht: (2024)

iTRPL: An Intelligent and Trusted RPL Protocol based on Multi-Agent Reinforcement Learning
von: Dey, Debasmita, et al.
Veröffentlicht: (2024)

Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents?
von: Wang, Leyao, et al.
Veröffentlicht: (2026)

TokenSmith: Streamlining Data Editing, Search, and Inspection for Large-Scale Language Model Training and Interpretability
von: Khan, Mohammad Aflah, et al.
Veröffentlicht: (2025)

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

Imagined and Overlooked Ties: Why the Ties in Our Mind Influence Who We Trust
von: Priti Pradhan Shah, et al.
Veröffentlicht: (2025)

Do We Trust Artificially Intelligent Assistants at Work? An Experimental Study
von: Anica Cvetkovic, et al.
Veröffentlicht: (2024)

Theory of Agent Trust: The Unified Framework
von: AB Support LLC
Veröffentlicht: (2026)

Architecting Trust in Artificial Epistemic Agents
von: Marchal, Nahema, et al.
Veröffentlicht: (2026)

Analysis of the Agent Reputation and Trust Testbed
von: Mario Gómez
Veröffentlicht: (2008)

Can We Trust AI Agents? A Case Study of an LLM-Based Multi-Agent System for Ethical AI
von: de Cerqueira, José Antonio Siqueira, et al.
Veröffentlicht: (2024)

When "Correct" Is Not Safe: Can We Trust Functionally Correct Patches Generated by Code Agents?
von: Peng, Yibo, et al.
Veröffentlicht: (2025)

Zero-Permission Manipulation: Can We Trust Large Multimodal Model Powered GUI Agents?
von: Qian, Yi, et al.
Veröffentlicht: (2026)

“Who Do We Say That We Are?”
von: Clare Amos
Veröffentlicht: (2024)

Agents Trusting Agents? Restoring Lost Capabilities with Inclusive Healthcare
von: Aguilera, Alba, et al.
Veröffentlicht: (2025)

TrustAgent: Towards Safe and Trustworthy LLM-based Agents
von: Hua, Wenyue, et al.
Veröffentlicht: (2024)

CONSCIENTIA: Can LLM Agents Learn to Strategize? Emergent Deception and Trust in a Multi-Agent NYC Simulation
von: Sinha, Aarush, et al.
Veröffentlicht: (2026)

Logical Consistency of Large Language Models in Fact-checking
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2024)