Copertina

AI Steerability 360: A Toolkit for Steering Large Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Miehling, Erik, Ramamurthy, Karthikeyan Natesan, Venkateswaran, Praveen, Ko, Irene, Dognin, Pierre, Singh, Moninder, Pedapati, Tejaswini, Balakrishnan, Avinash, Riemer, Matthew, Wei, Dennis, Vejsbjerg, Inge, Daly, Elizabeth M., Varshney, Kush R.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computation and Language Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

ICX360: In-Context eXplainability 360 Toolkit
di: Wei, Dennis, et al.
Pubblicazione: (2025)

Evaluating the Prompt Steerability of Large Language Models
di: Miehling, Erik, et al.
Pubblicazione: (2024)

Programming Refusal with Conditional Activation Steering
di: Lee, Bruce W., et al.
Pubblicazione: (2024)

Ranking Large Language Models without Ground Truth
di: Dhurandhar, Amit, et al.
Pubblicazione: (2024)

Value Alignment from Unstructured Text
di: Padhi, Inkit, et al.
Pubblicazione: (2024)

Reasoning about concepts with LLMs: Inconsistencies abound
di: Uceda-Sosa, Rosario, et al.
Pubblicazione: (2024)

Agentic AI Needs a Systems Theory
di: Miehling, Erik, et al.
Pubblicazione: (2025)

Language Models Coupled with Metacognition Can Outperform Reasoning Models
di: Khandelwal, Vedant, et al.
Pubblicazione: (2025)

CoFrNets: Interpretable Neural Architecture Inspired by Continued Fractions
di: Puri, Isha, et al.
Pubblicazione: (2025)

The Ultimate Test of Superintelligent AI Agents: Can an AI Balance Care and Control in Asymmetric Relationships?
di: Bouneffouf, Djallel, et al.
Pubblicazione: (2025)

Granite Guardian
di: Padhi, Inkit, et al.
Pubblicazione: (2024)

Sparsity May Be All You Need: Sparse Random Parameter Adaptation
di: Rios, Jesus, et al.
Pubblicazione: (2025)

GAF-Guard: An Agentic Framework for Risk Management and Governance in Large Language Models
di: Tirupathi, Seshu, et al.
Pubblicazione: (2025)

EvalAssist: A Human-Centered Tool for LLM-as-a-Judge
di: Ashktorab, Zahra, et al.
Pubblicazione: (2025)

Auto-BenchmarkCard: Automated Synthesis of Benchmark Documentation
di: Hofmann, Aris, et al.
Pubblicazione: (2025)

Trust Regions for Explanations via Black-Box Probabilistic Certification
di: Dhurandhar, Amit, et al.
Pubblicazione: (2024)

Identifying Sub-networks in Neural Networks via Functionally Similar Representations
di: Gao, Tian, et al.
Pubblicazione: (2024)

Alignment Studio: Aligning Large Language Models to Particular Contextual Regulations
di: Achintalwar, Swapnaja, et al.
Pubblicazione: (2024)

Humble AI in the real-world: the case of algorithmic hiring
di: Nair, Rahul, et al.
Pubblicazione: (2025)

Spotlight Your Instructions: Instruction-following with Dynamic Attention Steering
di: Venkateswaran, Praveen, et al.
Pubblicazione: (2025)

The Effectiveness of Approximate Regularized Replay for Efficient Supervised Fine-Tuning of Large Language Models
di: Riemer, Matthew, et al.
Pubblicazione: (2025)

Who Sees the Risk? Stakeholder Conflicts and Explanatory Policies in LLM-based Risk Assessment
di: Yadav, Srishti, et al.
Pubblicazione: (2025)

From PEFT to DEFT: Parameter Efficient Finetuning for Reducing Activation Density in Transformers
di: Runwal, Bharat, et al.
Pubblicazione: (2024)

LCGuard: Latent Communication Guard for Safe KV Sharing in Multi-Agent Systems
di: Asif, Sadia, et al.
Pubblicazione: (2026)

Cross-Examiner: Evaluating Consistency of Large Language Model-Generated Explanations
di: Villa, Danielle, et al.
Pubblicazione: (2025)

Contextual Moral Value Alignment Through Context-Based Aggregation
di: Dognin, Pierre, et al.
Pubblicazione: (2024)

Decolonial AI Alignment: Openness, Viśe\d{s}a-Dharma, and Including Excluded Knowledges
di: Varshney, Kush R.
Pubblicazione: (2023)

An Annotated Reading of 'The Singer of Tales' in the LLM Era
di: Varshney, Kush R.
Pubblicazione: (2025)

An Algebraic Exposition of the Theory of Dyadic Morality
di: Varshney, Kush R.
Pubblicazione: (2026)

Active Sequential Two-Sample Testing
di: Li, Weizhi, et al.
Pubblicazione: (2023)

Final-Model-Only Data Attribution with a Unifying View of Gradient-Based Methods
di: Wei, Dennis, et al.
Pubblicazione: (2024)

Mitigating Misalignment Contagion by Steering with Implicit Traits
di: Chang, Maria, et al.
Pubblicazione: (2026)

Scopes of Alignment
di: Varshney, Kush R., et al.
Pubblicazione: (2025)

Localizing Persona Representations in LLMs
di: Cintas, Celia, et al.
Pubblicazione: (2025)

EpMAN: Episodic Memory AttentioN for Generalizing to Longer Contexts
di: Chaudhury, Subhajit, et al.
Pubblicazione: (2025)

Modular Prompt Learning Improves Vision-Language Models
di: Huang, Zhenhan, et al.
Pubblicazione: (2025)

Differentiable Prompt Learning for Vision Language Models
di: Huang, Zhenhan, et al.
Pubblicazione: (2024)

Intermediate Representations are Strong AI-Generated Image Detectors
di: Huang, Zhenhan, et al.
Pubblicazione: (2026)

AgentSCOPE: Evaluating Contextual Privacy Across Agentic Workflows
di: Ngong, Ivoline C., et al.
Pubblicazione: (2026)

Large Language Model Confidence Estimation via Black-Box Access
di: Pedapati, Tejaswini, et al.
Pubblicazione: (2024)