Buchumschlag

Towards Understanding In-Context Learning with Contrastive Demonstrations and Saliency Maps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Fuxiao, Xu, Paiheng, Li, Zongxia, Feng, Yue, Song, Hyemi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Toward Robust In-Context Learning: Leveraging Out-of-distribution Proxies for Target Inaccessible Demonstration Retrieval
von: Xu, Hao, et al.
Veröffentlicht: (2026)

Emojis Decoded: Leveraging ChatGPT for Enhanced Understanding in Social Media Communications
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

The Promises and Pitfalls of Using Language Models to Measure Instruction Quality in Education
von: Xu, Paiheng, et al.
Veröffentlicht: (2024)

A Survey of State of the Art Large Vision Language Models: Alignment, Benchmark, Evaluations and Challenges
von: Li, Zongxia, et al.
Veröffentlicht: (2025)

Comparable Demonstrations are Important in In-Context Learning: A Novel Perspective on Demonstration Selection
von: Fan, Caoyun, et al.
Veröffentlicht: (2023)

Demonstration Selection for In-Context Learning via Reinforcement Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2024)

In-Context Learning with Iterative Demonstration Selection
von: Qin, Chengwei, et al.
Veröffentlicht: (2023)

Dynamic Demonstrations Controller for In-Context Learning
von: Zhao, Fei, et al.
Veröffentlicht: (2023)

MMC: Advancing Multimodal Chart Understanding with Large-scale Instruction Tuning
von: Liu, Fuxiao, et al.
Veröffentlicht: (2023)

Explore Spurious Correlations at the Concept Level in Language Models for Text Classification
von: Zhou, Yuhang, et al.
Veröffentlicht: (2023)

Rectifying Demonstration Shortcut in In-Context Learning
von: Jang, Joonwon, et al.
Veröffentlicht: (2024)

Large Language Models and Causal Inference in Collaboration: A Survey
von: Liu, Xiaoyu, et al.
Veröffentlicht: (2024)

Multimodal Contrastive In-Context Learning
von: Miyanishi, Yosuke, et al.
Veröffentlicht: (2024)

CTRL-RAG: Contrastive Likelihood Reward Based Reinforcement Learning for Context-Faithful RAG Models
von: Tan, Zhehao, et al.
Veröffentlicht: (2026)

Unraveling the Mechanics of Learning-Based Demonstration Selection for In-Context Learning
von: Liu, Hui, et al.
Veröffentlicht: (2024)

The Impact of Demonstrations on Multilingual In-Context Learning: A Multidimensional Analysis
von: Zhang, Miaoran, et al.
Veröffentlicht: (2024)

Optimizing In-Context Demonstrations for LLM-based Automated Grading
von: Chu, Yucheng, et al.
Veröffentlicht: (2026)

Shortcut Learning in In-Context Learning: A Survey
von: Song, Rui, et al.
Veröffentlicht: (2024)

DemoShapley: Valuation of Demonstrations for In-Context Learning
von: Xie, Shan, et al.
Veröffentlicht: (2024)

In-context Learning with Retrieved Demonstrations for Language Models: A Survey
von: Luo, Man, et al.
Veröffentlicht: (2024)

Multi-Stage Balanced Distillation: Addressing Long-Tail Challenges in Sequence-Level Knowledge Distillation
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

Demonstration Notebook: Finding the Most Suited In-Context Learning Example from Interactions
von: Tang, Yiming, et al.
Veröffentlicht: (2024)

Customizing Language Model Responses with Contrastive In-Context Learning
von: Gao, Xiang, et al.
Veröffentlicht: (2024)

Identifying Semantic Induction Heads to Understand In-Context Learning
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Demonstrations Are All You Need: Advancing Offensive Content Paraphrasing using In-Context Learning
von: Som, Anirudh, et al.
Veröffentlicht: (2023)

Towards an Understanding of Context Utilization in Code Intelligence
von: Wang, Yanlin, et al.
Veröffentlicht: (2025)

Linear-Time Demonstration Selection for In-Context Learning via Gradient Estimation
von: Zhang, Ziniu, et al.
Veröffentlicht: (2025)

Comparative Analysis of Demonstration Selection Algorithms for LLM In-Context Learning
von: Shu, Dong, et al.
Veröffentlicht: (2024)

DISCO Balances the Scales: Adaptive Domain- and Difficulty-Aware Reinforcement Learning on Imbalanced Data
von: Zhou, Yuhang, et al.
Veröffentlicht: (2025)

Multi-View Attention Multiple-Instance Learning Enhanced by LLM Reasoning for Cognitive Distortion Detection
von: Kim, Jun Seo, et al.
Veröffentlicht: (2025)

Advancing Multimodal In-Context Learning in Large Vision-Language Models with Task-aware Demonstrations
von: Li, Yanshu
Veröffentlicht: (2025)

Learn to Select: Exploring Label Distribution Divergence for In-Context Demonstration Selection in Text Classification
von: Jiang, Ye, et al.
Veröffentlicht: (2025)

Recall, Retrieve and Reason: Towards Better In-Context Relation Extraction
von: Li, Guozheng, et al.
Veröffentlicht: (2024)

Improving Lexical Difficulty Prediction with Context-Aligned Contrastive Learning and Ridge Ensembling
von: Muhamad, Wicaksono Leksono, et al.
Veröffentlicht: (2026)

Self-Taught Agentic Long Context Understanding
von: Zhuang, Yufan, et al.
Veröffentlicht: (2025)

ConsPrompt: Exploiting Contrastive Samples for Fewshot Prompt Learning
von: Weng, Jinta, et al.
Veröffentlicht: (2022)

LooGLE: Can Long-Context Language Models Understand Long Contexts?
von: Li, Jiaqi, et al.
Veröffentlicht: (2023)

DR.GAP: Mitigating Bias in Large Language Models using Gender-Aware Prompting with Demonstration and Reasoning
von: Qiu, Hongye, et al.
Veröffentlicht: (2025)

Contrastive and Consistency Learning for Neural Noisy-Channel Model in Spoken Language Understanding
von: Kim, Suyoung, et al.
Veröffentlicht: (2024)

RAG-based Crowdsourcing Task Decomposition via Masked Contrastive Learning with Prompts
von: Yang, Jing, et al.
Veröffentlicht: (2024)