Buchumschlag

On the Hardness of Junking LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rando, Marco, Vaiter, Samuel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ZOBA: An Efficient Single-loop Zeroth-order Bilevel Optimization Algorithm
von: Rando, Marco, et al.
Veröffentlicht: (2026)

Differentiable Generalized Sliced Wasserstein Plans
von: Chapel, Laetitia, et al.
Veröffentlicht: (2025)

Towards Understanding Steering Strength
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2026)

Fairness-informed Pareto Optimization : An Efficient Bilevel Framework
von: Tanji, Sofiane, et al.
Veröffentlicht: (2026)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

Derivatives of Stochastic Gradient Descent in parametric optimization
von: Iutzeler, Franck, et al.
Veröffentlicht: (2024)

Convergence of Message Passing Graph Neural Networks with Generic Aggregation On Large Random Graphs
von: Cordonnier, Matthieu, et al.
Veröffentlicht: (2023)

CHANI: Correlation-based Hawkes Aggregation of Neurons with bio-Inspiration
von: Jaffard, Sophie, et al.
Veröffentlicht: (2024)

Learning Theory for Kernel Bilevel Optimization
von: Khoury, Fares El, et al.
Veröffentlicht: (2025)

Faster Computation of Entropic Optimal Transport via Stable Low Frequency Modes
von: Chhaibi, Reda, et al.
Veröffentlicht: (2025)

A framework for bilevel optimization that enables stochastic and global variance reduction algorithms
von: Dagréou, Mathieu, et al.
Veröffentlicht: (2022)

A Lower Bound and a Near-Optimal Algorithm for Bilevel Empirical Risk Minimization
von: Dagréou, Mathieu, et al.
Veröffentlicht: (2023)

Junk DNA Hypothesis: Pruning Small Pre-Trained Weights Irreversibly and Monotonically Impairs "Difficult" Downstream Tasks in LLMs
von: Yin, Lu, et al.
Veröffentlicht: (2023)

From Shortcut to Induction Head: How Data Diversity Shapes Algorithm Selection in Transformers
von: Kawata, Ryotaro, et al.
Veröffentlicht: (2025)

A New Formulation for Zeroth-Order Optimization of Adversarial EXEmples in Malware Detection
von: Rando, Marco, et al.
Veröffentlicht: (2024)

Stochastic Zeroth order Descent with Structured Directions
von: Rando, Marco, et al.
Veröffentlicht: (2022)

Clock-state olfactory search in turbulent flows using Q-learning: The geometry of plume recovery
von: Rando, Marco, et al.
Veröffentlicht: (2026)

Q-learning with temporal memory to navigate turbulence
von: Rando, Marco, et al.
Veröffentlicht: (2024)

Random Is Hard to Beat: Active Selection in online DPO with Modern LLMs
von: Oh, Giyeong, et al.
Veröffentlicht: (2026)

Sample Smart, Not Hard: Correctness-First Decoding for Better Reasoning in LLMs
von: Li, Xueyan, et al.
Veröffentlicht: (2025)

Universal Jailbreak Backdoors from Poisoned Human Feedback
von: Rando, Javier, et al.
Veröffentlicht: (2023)

Stochastic Variance-Reduced Iterative Hard Thresholding in Graph Sparsity Optimization
von: Fox, Derek, et al.
Veröffentlicht: (2024)

RAYEN: Imposition of Hard Convex Constraints on Neural Networks
von: Tordesillas, Jesus, et al.
Veröffentlicht: (2023)

Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples
von: Souly, Alexandra, et al.
Veröffentlicht: (2025)

Hard and Soft EM in Bayesian Network Learning from Incomplete Data
von: Ruggieri, Andrea, et al.
Veröffentlicht: (2020)

Adversarial ML Problems Are Getting Harder to Solve and to Evaluate
von: Rando, Javier, et al.
Veröffentlicht: (2025)

Competition Report: Finding Universal Jailbreak Backdoors in Aligned LLMs
von: Rando, Javier, et al.
Veröffentlicht: (2024)

On the Hardness of Bandit Learning
von: Brukhim, Nataly, et al.
Veröffentlicht: (2025)

On the Hardness of Probabilistic Neurosymbolic Learning
von: Maene, Jaron, et al.
Veröffentlicht: (2024)

Auditing Local Explanations is Hard
von: Bhattacharjee, Robi, et al.
Veröffentlicht: (2024)

MATH-Perturb: Benchmarking LLMs' Math Reasoning Abilities against Hard Perturbations
von: Huang, Kaixuan, et al.
Veröffentlicht: (2025)

DAE-HardNet: A Physics Constrained Neural Network Enforcing Differential-Algebraic Hard Constraints
von: Golder, Rahul, et al.
Veröffentlicht: (2025)

Dissecting Sample Hardness: A Fine-Grained Analysis of Hardness Characterization Methods for Data-Centric AI
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

How Hard Can It Be? Hardness-Aware Multi-Objective Unlearning
von: Chen, Jiangwei, et al.
Veröffentlicht: (2026)

HardSATGEN: Understanding the Difficulty of Hard SAT Formula Generation and A Strong Structure-Hardness-Aware Baseline
von: Li, Yang, et al.
Veröffentlicht: (2023)

Why are Sensitive Functions Hard for Transformers?
von: Hahn, Michael, et al.
Veröffentlicht: (2024)

AgreeMate: Teaching LLMs to Haggle
von: Chatterjee, Ainesh, et al.
Veröffentlicht: (2024)

On scalable oversight with weak LLMs judging strong LLMs
von: Kenton, Zachary, et al.
Veröffentlicht: (2024)

HardNet: Hard-Constrained Neural Networks with Universal Approximation Guarantees
von: Min, Youngjae, et al.
Veröffentlicht: (2024)

HardCore Generation: Generating Hard UNSAT Problems for Data Augmentation
von: Cotnareanu, Joseph, et al.
Veröffentlicht: (2024)