Buchumschlag

The Curious Decline of Linguistic Diversity: Training Language Models on Synthetic Text

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Yanzhu, Shang, Guokan, Vazirgiannis, Michalis, Clavel, Chloé
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Benchmarking Linguistic Diversity of Large Language Models
von: Guo, Yanzhu, et al.
Veröffentlicht: (2024)

Lost in the Mix: Evaluating LLM Understanding of Code-Switched Text
von: Mohamed, Amr, et al.
Veröffentlicht: (2025)

Fast-Decoding Diffusion Language Models via Progress-Aware Confidence Schedules
von: Mohamed, Amr, et al.
Veröffentlicht: (2025)

Beyond Random Sampling: Efficient Language Model Pretraining via Curriculum Learning
von: Zhang, Yang, et al.
Veröffentlicht: (2025)

LLM as a Broken Telephone: Iterative Generation Distorts Information
von: Mohamed, Amr, et al.
Veröffentlicht: (2025)

Leveraging Discourse Structure for Extractive Meeting Summarization
von: Rennard, Virgile, et al.
Veröffentlicht: (2024)

Markovian Generation Chains in Large Language Models
von: Geng, Mingmeng, et al.
Veröffentlicht: (2026)

GreekMMLU: A Native-Sourced Multitask Benchmark for Evaluating Language Models in Greek
von: Zhang, Yang, et al.
Veröffentlicht: (2026)

Graph Linearization Methods for Reasoning on Graphs with Large Language Models
von: Xypolopoulos, Christos, et al.
Veröffentlicht: (2024)

Nile-Chat: Egyptian Language Models for Arabic and Latin Scripts
von: Shang, Guokan, et al.
Veröffentlicht: (2025)

Atlas-Chat: Adapting Large Language Models for Low-Resource Moroccan Arabic Dialect
von: Shang, Guokan, et al.
Veröffentlicht: (2024)

Prot2Text: Multimodal Protein's Function Generation with GNNs and Transformers
von: Abdine, Hadi, et al.
Veröffentlicht: (2023)

CARTE: A Benchmark for Mapping Language Model Knowledge Across France
von: Carneiro, Sarah Almeida, et al.
Veröffentlicht: (2026)

Do Language Models Enjoy Their Own Stories? Prompting Large Language Models for Automatic Story Evaluation
von: Chhun, Cyril, et al.
Veröffentlicht: (2024)

Bias in the Mirror: Are LLMs opinions robust to their own adversarial attacks ?
von: Rennard, Virgile, et al.
Veröffentlicht: (2024)

The Anatomy of Speech Persuasion: Linguistic Shifts in LLM-Modified Speeches
von: Barkar, Alisa, et al.
Veröffentlicht: (2025)

Graph Neural Networks on Discriminative Graphs of Words
von: Abbahaddou, Yassine, et al.
Veröffentlicht: (2024)

Word Sense Induction with Hierarchical Clustering and Mutual Information Maximization
von: Abdine, Hadi, et al.
Veröffentlicht: (2022)

EmoDynamiX: Emotional Support Dialogue Strategy Prediction by Modelling MiXed Emotions and Discourse Dynamics
von: Wan, Chenwei, et al.
Veröffentlicht: (2024)

On the Diversity of Synthetic Data and its Impact on Training Large Language Models
von: Chen, Hao, et al.
Veröffentlicht: (2024)

The Curious Case of Representational Alignment: Unravelling Visio-Linguistic Tasks in Emergent Communication
von: Kouwenhoven, Tom, et al.
Veröffentlicht: (2024)

Towards Trust Calibration in Socially Interactive Agents: Investigating Gendered Multimodal Behaviors Generation with LLMs
von: Galland, Lucie, et al.
Veröffentlicht: (2026)

The Impact of Word Splitting on the Semantic Content of Contextualized Word Representations
von: Soler, Aina Garí, et al.
Veröffentlicht: (2024)

The Shrinking Landscape of Linguistic Diversity in the Age of Large Language Models
von: Sourati, Zhivar, et al.
Veröffentlicht: (2025)

Automatic Analysis of Collaboration Through Human Conversational Data Resources: A Review
von: Yu, Yi, et al.
Veröffentlicht: (2026)

Linguistic and Argument Diversity in Synthetic Data for Function-Calling Agents
von: Greenstein, Dan, et al.
Veröffentlicht: (2026)

Training a Generally Curious Agent
von: Tajwar, Fahim, et al.
Veröffentlicht: (2025)

Synthetic Pre-Pre-Training Improves Language Model Robustness to Noisy Pre-Training Data
von: Guo, Xu, et al.
Veröffentlicht: (2026)

The Curious Case of Analogies: Investigating Analogical Reasoning in Large Language Models
von: Lee, Taewhoo, et al.
Veröffentlicht: (2025)

A Ship of Theseus: Curious Cases of Paraphrasing in LLM-Generated Texts
von: Tripto, Nafis Irtiza, et al.
Veröffentlicht: (2023)

Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories
von: Tang, Jinwen, et al.
Veröffentlicht: (2024)

"Mm, Wat?" Detecting Other-initiated Repair Requests in Dialogue
von: Ngo, Anh, et al.
Veröffentlicht: (2025)

Synthetic Text Generation for Training Large Language Models via Gradient Matching
von: Nguyen, Dang, et al.
Veröffentlicht: (2025)

A Greek Government Decisions Dataset for Public-Sector Analysis and Insight
von: Antoniou, Giorgos, et al.
Veröffentlicht: (2025)

The Curious Language Model: Strategic Test-Time Information Acquisition
von: Cooper, Michael, et al.
Veröffentlicht: (2025)

The Curious Case of Nonverbal Abstract Reasoning with Multi-Modal Large Language Models
von: Ahrabian, Kian, et al.
Veröffentlicht: (2024)

The Curious Case of Visual Grounding: Different Effects for Speech- and Text-based Language Encoders
von: Sauter, Adrian, et al.
Veröffentlicht: (2025)

Do Large Language Models Have an English Accent? Evaluating and Improving the Naturalness of Multilingual LLMs
von: Guo, Yanzhu, et al.
Veröffentlicht: (2024)

Using Natural Language Processing and Networks to Automate Structured Literature Reviews: An Application to Farmers Climate Change Adaptation
von: Gil-Clavel, Sofia, et al.
Veröffentlicht: (2023)

Investigating Large Language Models' Linguistic Abilities for Text Preprocessing
von: Braga, Marco, et al.
Veröffentlicht: (2025)