Buchumschlag

Understanding the Prompt Sensitivity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yang, Chu, Chenhui
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

Do LLMs Align Human Values Regarding Social Biases? Judging and Explaining Social Biases with LLMs
von: Liu, Yang, et al.
Veröffentlicht: (2025)

On the Alignment of Large Language Models with Global Human Opinion
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Rethinking Meeting Effectiveness: A Benchmark and Framework for Temporal Fine-grained Automatic Meeting Effectiveness Evaluation
von: Li, Yihang, et al.
Veröffentlicht: (2026)

ProSA: Assessing and Understanding the Prompt Sensitivity of LLMs
von: Zhuo, Jingming, et al.
Veröffentlicht: (2024)

EMS: Efficient and Effective Massively Multilingual Sentence Embedding Learning
von: Mao, Zhuoyuan, et al.
Veröffentlicht: (2022)

StyEmp: Stylizing Empathetic Response Generation via Multi-Grained Prefix Encoder and Personality Reinforcement
von: Fu, Yahui, et al.
Veröffentlicht: (2024)

When and Why Does Unsupervised RL Succeed in Mathematical Reasoning? A Manifold Envelopment Perspective
von: Zhang, Zelin, et al.
Veröffentlicht: (2026)

How are Prompts Different in Terms of Sensitivity?
von: Lu, Sheng, et al.
Veröffentlicht: (2023)

What Prompts Don't Say: Understanding and Managing Underspecification in LLM Prompts
von: Yang, Chenyang, et al.
Veröffentlicht: (2025)

How Does Cognitive Bias Affect Large Language Models? A Case Study on the Anchoring Effect in Price Negotiation Simulations
von: Takenami, Yoshiki, et al.
Veröffentlicht: (2025)

When Large Language Models Meet Speech: A Survey on Integration Approaches
von: Yang, Zhengdong, et al.
Veröffentlicht: (2025)

Cross-lingual Embedding Clustering for Hierarchical Softmax in Low-Resource Multilingual Speech Recognition
von: Yang, Zhengdong, et al.
Veröffentlicht: (2025)

Do Prompts Really Prompt? Exploring the Prompt Understanding Capability of Whisper
von: Yang, Chih-Kai, et al.
Veröffentlicht: (2024)

Understanding the Effects of Iterative Prompting on Truthfulness
von: Krishna, Satyapriya, et al.
Veröffentlicht: (2024)

CFSafety: Comprehensive Fine-grained Safety Assessment for LLMs
von: Liu, Zhihao, et al.
Veröffentlicht: (2024)

The Order Effect: Investigating Prompt Sensitivity to Input Order in LLMs
von: Guan, Bryan, et al.
Veröffentlicht: (2025)

MELD-ST: An Emotion-aware Speech Translation Dataset
von: Chen, Sirou, et al.
Veröffentlicht: (2024)

Enhancing Reinforcement Learning with Label-Sensitive Reward for Natural Language Understanding
von: Liao, Kuo, et al.
Veröffentlicht: (2024)

On Prompt Sensitivity of ChatGPT in Affective Computing
von: Amin, Mostafa M., et al.
Veröffentlicht: (2024)

CroPrompt: Cross-task Interactive Prompting for Zero-shot Spoken Language Understanding
von: Qin, Libo, et al.
Veröffentlicht: (2024)

Language Lives in Sparse Dimensions: Toward Interpretable and Efficient Multilingual Control for Large Language Models
von: Zhong, Chengzhi, et al.
Veröffentlicht: (2025)

Mapping from Meaning: Addressing the Miscalibration of Prompt-Sensitive Language Models
von: Cox, Kyle, et al.
Veröffentlicht: (2025)

Multi-Prompting Decoder Helps Better Language Understanding
von: Cheng, Zifeng, et al.
Veröffentlicht: (2024)

Deconstructing In-Context Learning: Understanding Prompts via Corruption
von: Shivagunde, Namrata, et al.
Veröffentlicht: (2024)

DP-OPT: Make Large Language Model Your Privacy-Preserving Prompt Engineer
von: Hong, Junyuan, et al.
Veröffentlicht: (2023)

Say More with Less: Understanding Prompt Learning Behaviors through Gist Compression
von: Li, Xinze, et al.
Veröffentlicht: (2024)

Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting
von: Beck, Tilman, et al.
Veröffentlicht: (2023)

JudgeSense: A Benchmark for Prompt Sensitivity in LLM-as-a-Judge Systems
von: Bellibatlu, Rohith Reddy, et al.
Veröffentlicht: (2026)

Automating Intervention Discovery from Scientific Literature: A Progressive Ontology Prompting and Dual-LLM Framework
von: Hu, Yuting, et al.
Veröffentlicht: (2024)

Are All Prompt Components Value-Neutral? Understanding the Heterogeneous Adversarial Robustness of Dissected Prompt in Large Language Models
von: Zheng, Yujia, et al.
Veröffentlicht: (2025)

DuanzAI: Slang-Enhanced LLM with Prompt for Humor Understanding
von: Rohn, Yesian
Veröffentlicht: (2024)

Exploring the Sensitivity of LLMs' Decision-Making Capabilities: Insights from Prompt Variation and Hyperparameters
von: Loya, Manikanta, et al.
Veröffentlicht: (2023)

Unveiling the Lexical Sensitivity of LLMs: Combinatorial Optimization for Prompt Enhancement
von: Zhan, Pengwei, et al.
Veröffentlicht: (2024)

Mixture-of-Prompt-Experts for Multi-modal Semantic Understanding
von: Wu, Zichen, et al.
Veröffentlicht: (2024)

MM-LLMs: Recent Advances in MultiModal Large Language Models
von: Zhang, Duzhen, et al.
Veröffentlicht: (2024)

Benchmarking Prompt Sensitivity in Large Language Models
von: Razavi, Amirhossein, et al.
Veröffentlicht: (2025)

Towards Understanding Multi-Round Large Language Model Reasoning: Approximability, Learnability and Generalizability
von: Xu, Chenhui, et al.
Veröffentlicht: (2025)

Robustness of Prompting: Enhancing Robustness of Large Language Models Against Prompting Attacks
von: Mu, Lin, et al.
Veröffentlicht: (2025)

Sensitivity of Generative VLMs to Semantically and Lexically Altered Prompts
von: Dumpala, Sri Harsha, et al.
Veröffentlicht: (2024)

A Better LLM Evaluator for Text Generation: The Impact of Prompt Output Sequencing and Optimization
von: Chu, KuanChao, et al.
Veröffentlicht: (2024)