Buchumschlag

Harmful Intent as a Geometrically Recoverable Feature of LLM Residual Streams

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Llorente-Saguer, Isaac
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language I.2.7
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Geometry of Harmful Intent: Training-Free Anomaly Detection via Angular Deviation in LLM Residual Streams
von: Llorente-Saguer, Isaac
Veröffentlicht: (2026)

IntentGrasp: A Comprehensive Benchmark for Intent Understanding
von: Yin, Yuwei, et al.
Veröffentlicht: (2026)

SWI: Speaking with Intent in Large Language Models
von: Yin, Yuwei, et al.
Veröffentlicht: (2025)

Large Language Model (LLM) Bias Index -- LLMBI
von: Oketunji, Abiodun Finbarrs, et al.
Veröffentlicht: (2023)

Large Language Models Generate Harmful Content Using a Distinct, Unified Mechanism
von: Orgad, Hadas, et al.
Veröffentlicht: (2026)

Decodable but Not Corrected by Fixed Residual-Stream Linear Steering: Evidence from Medical LLM Failure Regimes
von: Liu, Ming
Veröffentlicht: (2026)

Evaluating the Efficacy of Hybrid Deep Learning Models in Distinguishing AI-Generated Text
von: Oketunji, Abiodun Finbarrs
Veröffentlicht: (2023)

CorrSteer: Generation-Time LLM Steering via Correlated Sparse Autoencoder Features
von: Cho, Seonglae, et al.
Veröffentlicht: (2025)

Do Personality Traits Interfere? Geometric Limitations of Steering in Large Language Models
von: Bhandari, Pranav, et al.
Veröffentlicht: (2026)

Why Geometric Continuity Emerges in Deep Neural Networks: Residual Connections and Rotational Symmetry Breaking
von: Jeong, Kyungwon, et al.
Veröffentlicht: (2026)

CodingTeachLLM: Empowering LLM's Coding Ability via AST Prior Knowledge
von: Chen, Zhangquan, et al.
Veröffentlicht: (2024)

ObfusQAte: A Proposed Framework to Evaluate LLM Robustness on Obfuscated Factual Question Answering
von: Ghosh, Shubhra, et al.
Veröffentlicht: (2025)

SocraSynth: Multi-LLM Reasoning with Conditional Statistics
von: Chang, Edward Y.
Veröffentlicht: (2024)

RAC: Efficient LLM Factuality Correction with Retrieval Augmentation
von: Li, Changmao, et al.
Veröffentlicht: (2024)

Hista and Numca: Estimate State Value Effectively for LLM Reinforcement Learning
von: Chen, Zizhe, et al.
Veröffentlicht: (2026)

Mixture of Attention Spans: Optimizing LLM Inference Efficiency with Heterogeneous Sliding-Window Lengths
von: Fu, Tianyu, et al.
Veröffentlicht: (2024)

Self-Consistency from Only Two Samples: CoT-PoT Ensembling for Efficient LLM Reasoning
von: Saparkhan, Raman, et al.
Veröffentlicht: (2026)

Does LLM Alignment Really Need Diversity? An Empirical Study of Adapting RLVR Methods for Moral Reasoning
von: Zhang, Zhaowei, et al.
Veröffentlicht: (2026)

Every Sample Matters: Leveraging Mixture-of-Experts and High-Quality Data for Efficient and Accurate Code LLM
von: Codefuse, et al.
Veröffentlicht: (2025)

How Many Parameters Does Your Task Really Need? Task Specific Pruning with LLM-Sieve
von: Reda, Waleed, et al.
Veröffentlicht: (2025)

Geometric Evolution Maps: Extracting Stable Concept Probes from Transformer Residual Streams
von: Henry, James
Veröffentlicht: (2026)

AMEL: Accumulated Message Effects on LLM Judgments
von: Temkit, Sid-Ali
Veröffentlicht: (2026)

Control Reinforcement Learning: Interpretable Token-Level Steering of LLMs via Sparse Autoencoder Features
von: Cho, Seonglae, et al.
Veröffentlicht: (2026)

TIAR: Trajectory-Informed Advantage Reweighting for LLM Abstention Learning
von: Pan, Muyu, et al.
Veröffentlicht: (2026)

NRR-Phi: Text-to-State Mapping for Ambiguity Preservation in LLM Inference
von: Saito, Kei
Veröffentlicht: (2026)

Change Is the Only Constant: Dynamic LLM Slicing based on Layer Redundancy
von: Dumitru, Razvan-Gabriel, et al.
Veröffentlicht: (2024)

Sleepless Nights, Sugary Days: Creating Synthetic Users with Health Conditions for Realistic Coaching Agent Interactions
von: Yun, Taedong, et al.
Veröffentlicht: (2025)

Harnessing Negative Signals: Reinforcement Distillation from Teacher Data for LLM Reasoning
von: Xu, Shuyao, et al.
Veröffentlicht: (2025)

The Instability of Safety: How Random Seeds and Temperature Expose Inconsistent LLM Refusal Behavior
von: Larsen, Erik
Veröffentlicht: (2025)

Lossless Prompt Compression via Dictionary-Encoding and In-Context Learning: Enabling Cost-Effective LLM Analysis of Repetitive Data
von: de Campos, Andresa Rodrigues, et al.
Veröffentlicht: (2026)

Entropy-Based Measurement of Value Drift and Alignment Work in Large Language Models
von: Fadli, Samih
Veröffentlicht: (2025)

Metaphors are a Source of Cross-Domain Misalignment of Large Reasoning Models
von: Hu, Zhibo, et al.
Veröffentlicht: (2026)

Dealing with Annotator Disagreement in Hate Speech Classification
von: Dehghan, Somaiyeh, et al.
Veröffentlicht: (2025)

Improving Discrete Diffusion Unmasking Policies Beyond Explicit Reference Policies
von: Hong, Chunsan, et al.
Veröffentlicht: (2025)

The Belebele Benchmark: a Parallel Reading Comprehension Dataset in 122 Language Variants
von: Bandarkar, Lucas, et al.
Veröffentlicht: (2023)

Identity as Attractor: Geometric Evidence for Persistent Agent Architecture in LLM Activation Space
von: Vasilenko, Vladimir
Veröffentlicht: (2026)

DariMis: Harm-Aware Modeling for Dari Misinformation Detection on YouTube
von: Baktash, Jawid Ahmad, et al.
Veröffentlicht: (2026)

The Metacognitive Probe: Five Behavioural Calibration Diagnostics for LLMs
von: Oliveira, Rafael C. T.
Veröffentlicht: (2026)

Towards Intrinsic Interpretability of Large Language Models:A Survey of Design Principles and Architectures
von: Gao, Yutong, et al.
Veröffentlicht: (2026)

ALBA: A European Portuguese Benchmark for Evaluating Language and Linguistic Dimensions in Generative LLMs
von: Vieira, Inês, et al.
Veröffentlicht: (2026)