Buchumschlag

Hidden-State Privacy Has an Empty Middle

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Bell, Alexander Okezue
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Empty SPACE: Cross-Attention Sparsity for Concept Erasure in Diffusion Models
von: Novello, Nicola, et al.
Veröffentlicht: (2026)

When Privacy Isn't Synthetic: Hidden Data Leakage in Generative AI Models
von: Mustaqim, S. M., et al.
Veröffentlicht: (2025)

On the Role of Hidden States of Modern Hopfield Network in Transformer
von: Masumura, Tsubasa, et al.
Veröffentlicht: (2025)

Recoverability Has a Law: The ERR Measure for Tool-Augmented Agents
von: Vuddanti, Sri Vatsa, et al.
Veröffentlicht: (2026)

Has the Deep Neural Network learned the Stochastic Process? An Evaluation Viewpoint
von: Kumar, Harshit, et al.
Veröffentlicht: (2024)

OrthoFormer: Instrumental Variable Estimation in Transformer Hidden States via Neural Control Functions
von: Luo, Charles
Veröffentlicht: (2026)

Neural Breadcrumbs: Membership Inference Attacks on LLMs Through Hidden State and Attention Pattern Analysis
von: Makhija, Disha, et al.
Veröffentlicht: (2025)

Posterior-First Neural PDE Simulation: Inferring Hidden Problem State from a Single Field
von: Wang, Wenshuo, et al.
Veröffentlicht: (2026)

Transformer Injectivity & Geometric Robustness - Analytic Margins and Bi-Lipschitz Uniformity of Sequence-Level Hidden States
von: von Strauss, Mikael
Veröffentlicht: (2025)

Has LLM Reached the Scaling Ceiling Yet? Unified Insights into LLM Regularities and Constraints
von: Luo, Charles
Veröffentlicht: (2024)

That Chip Has Sailed: A Critique of Unfounded Skepticism Around AI for Chip Design
von: Goldie, Anna, et al.
Veröffentlicht: (2024)

A Middle Path for On-Premises LLM Deployment: Preserving Privacy Without Sacrificing Model Confidentiality
von: Huang, Hanbo, et al.
Veröffentlicht: (2024)

The Core in Max-Loss Non-Centroid Clustering Can Be Empty
von: Bredereck, Robert, et al.
Veröffentlicht: (2025)

Learning with Hidden Factorial Structure
von: Arnal, Charles, et al.
Veröffentlicht: (2024)

time2time: Causal Intervention in Hidden States to Simulate Rare Events in Time Series Foundation Models
von: Sanyal, Debdeep, et al.
Veröffentlicht: (2025)

What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2025)

When Chain-of-Thought Fails, the Solution Hides in the Hidden States
von: Mehrafarin, Houman, et al.
Veröffentlicht: (2026)

Learning to (Learn at Test Time): RNNs with Expressive Hidden States
von: Sun, Yu, et al.
Veröffentlicht: (2024)

Conformal Prediction for Privacy-Preserving Machine Learning
von: Balinsky, Alexander David, et al.
Veröffentlicht: (2025)

Hidden State Poisoning Attacks against Mamba-based Language Models
von: Mercier, Alexandre Le, et al.
Veröffentlicht: (2026)

The Hidden Link Between RLHF and Contrastive Learning
von: Lv, Xufei, et al.
Veröffentlicht: (2025)

Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy
von: Kaiser, Johannes, et al.
Veröffentlicht: (2026)

Contrastive Conceptor Activation Steering (COAST): Unlocking Vision-Language-Action Models through Hidden States
von: Miao, Miranda Muqing, et al.
Veröffentlicht: (2026)

The Pragmatic Frames of Spurious Correlations in Machine Learning: Interpreting How and Why They Matter
von: Bell, Samuel J., et al.
Veröffentlicht: (2024)

The Bicameral Model: Bidirectional Hidden-State Coupling Between Parallel Language Models
von: Flamant, Cedric, et al.
Veröffentlicht: (2026)

From Associations to Activations: Comparing Behavioral and Hidden-State Semantic Geometry in LLMs
von: Schiekiera, Louis, et al.
Veröffentlicht: (2026)

Learning Hidden Markov Models Using Conditional Samples
von: Kakade, Sham M., et al.
Veröffentlicht: (2023)

Explaining the Unexplained: Revealing Hidden Correlations for Better Interpretability
von: Jiang, Wen-Dong, et al.
Veröffentlicht: (2024)

Pareto-Optimal Learning from Preferences with Hidden Context
von: Bahlous-Boldi, Ryan, et al.
Veröffentlicht: (2024)

Revisiting Knowledge Distillation: The Hidden Role of Dataset Size
von: Lanzillotta, Giulia, et al.
Veröffentlicht: (2025)

Hidden markov model to predict tourists visited place
von: Demessance, Theo, et al.
Veröffentlicht: (2025)

Ensemble Methods for Sequence Classification with Hidden Markov Models
von: Kawawa-Beaudan, Maxime, et al.
Veröffentlicht: (2024)

Discovery of Hidden Miscalibration Regimes
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2026)

When the Domain Expert Has No Time and the LLM Developer Has No Clinical Expertise: Real-World Lessons from LLM Co-Design in a Safety-Net Hospital
von: Kothari, Avni, et al.
Veröffentlicht: (2025)

Differential Privacy for Anomaly Detection: Analyzing the Trade-off Between Privacy and Explainability
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2024)

Mining Intrinsic Rewards from LLM Hidden States for Efficient Best-of-N Sampling
von: Guo, Jizhou, et al.
Veröffentlicht: (2025)

Rethinking Benign Relearning: Syntax as the Hidden Driver of Unlearning Failures
von: Yoon, Sangyeon, et al.
Veröffentlicht: (2026)

Prototype Training with Dual Pseudo-Inverse and Optimized Hidden Activations
von: Tucci, Mauro
Veröffentlicht: (2025)

Emergence of Hidden Capabilities: Exploring Learning Dynamics in Concept Space
von: Park, Core Francisco, et al.
Veröffentlicht: (2024)

Memory Self-Regeneration: Uncovering Hidden Knowledge in Unlearned Models
von: Polowczyk, Agnieszka, et al.
Veröffentlicht: (2025)