Buchumschlag

MMICT: Boosting Multi-Modal Fine-Tuning with In-Context Examples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Tao, Zhang, Enwei, Gao, Yuting, Li, Ke, Sun, Xing, Zhang, Yan, Li, Hui, Ji, Rongrong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VITA-Audio: Fast Interleaved Cross-Modal Token Generation for Efficient Large Speech-Language Model
von: Long, Zuwei, et al.
Veröffentlicht: (2025)

Efficient Fine-Tuning of Large Language Models for Automated Medical Documentation
von: Leong, Hui Yi, et al.
Veröffentlicht: (2024)

CARFT: Boosting LLM Reasoning via Contrastive Learning with Annotated Chain-of-Thought-based Reinforced Fine-Tuning
von: Zhu, Wenqiao, et al.
Veröffentlicht: (2025)

EBFT: Effective and Block-Wise Fine-Tuning for Sparse LLMs
von: Guo, Song, et al.
Veröffentlicht: (2024)

LIFT: Improving Long Context Understanding Through Long Input Fine-Tuning
von: Mao, Yansheng, et al.
Veröffentlicht: (2024)

Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning
von: Lyu, Mengyao, et al.
Veröffentlicht: (2025)

Boosting Large Language Models with Mask Fine-Tuning
von: Zhang, Mingyuan, et al.
Veröffentlicht: (2025)

Correlation-Aware Select and Merge Attention for Efficient Fine-Tuning and Context Length Extension
von: Wang, Ning, et al.
Veröffentlicht: (2024)

DynMoLE: Boosting Mixture of LoRA Experts Fine-Tuning with a Hybrid Routing Mechanism
von: Li, Dengchun, et al.
Veröffentlicht: (2025)

DeepOmni: Towards Seamless and Smart Speech Interaction with Adaptive Modality-Specific MoE
von: Shao, Hang, et al.
Veröffentlicht: (2025)

Multi-Turn Context Jailbreak Attack on Large Language Models From First Principles
von: Sun, Xiongtao, et al.
Veröffentlicht: (2024)

Bayesian Example Selection Improves In-Context Learning for Speech, Text, and Visual Modalities
von: Wang, Siyin, et al.
Veröffentlicht: (2024)

ContextQFormer: A New Context Modeling Method for Multi-Turn Multi-Modal Conversations
von: Lei, Yiming, et al.
Veröffentlicht: (2025)

Make Prompt-based Black-Box Tuning Colorful: Boosting Model Generalization from Three Orthogonal Perspectives
von: Sun, Qiushi, et al.
Veröffentlicht: (2023)

Selection of LLM Fine-Tuning Data based on Orthogonal Rules
von: Li, Xiaomin, et al.
Veröffentlicht: (2024)

Don't Fine-Tune, Decode: Syntax Error-Free Tool Use via Constrained Decoding
von: Zhang, Kexun, et al.
Veröffentlicht: (2023)

MDSF: Context-Aware Multi-Dimensional Data Storytelling Framework based on Large language Model
von: Zhang, Chengze, et al.
Veröffentlicht: (2025)

Improving Large Language Models with Concept-Aware Fine-Tuning
von: Chen, Michael K., et al.
Veröffentlicht: (2025)

Why Reinforcement Fine-Tuning Enables MLLMs Preserve Prior Knowledge Better: A Data Perspective
von: Zhang, Zhihao, et al.
Veröffentlicht: (2025)

Fewer is More: Boosting LLM Reasoning with Reinforced Context Pruning
von: Huang, Xijie, et al.
Veröffentlicht: (2023)

Unlocking the Power of LLM Uncertainty for Active In-Context Example Selection
von: Huang, Hsiu-Yuan, et al.
Veröffentlicht: (2024)

TsqLoRA: Towards Sensitivity and Quality Low-Rank Adaptation for Efficient Fine-Tuning
von: Chen, Yu, et al.
Veröffentlicht: (2025)

Team-Based Self-Play With Dual Adaptive Weighting for Fine-Tuning LLMs
von: Li, Wu, et al.
Veröffentlicht: (2026)

LongHeads: Multi-Head Attention is Secretly a Long Context Processor
von: Lu, Yi, et al.
Veröffentlicht: (2024)

LeMo: Enabling LEss Token Involvement for MOre Context Fine-tuning
von: Wang, Tuowei, et al.
Veröffentlicht: (2025)

Supervised Fine-Tuning or In-Context Learning? Evaluating LLMs for Clinical NER
von: Baroian, Andrei
Veröffentlicht: (2025)

Parameter-Efficient Fine-Tuning with Discrete Fourier Transform
von: Gao, Ziqi, et al.
Veröffentlicht: (2024)

MoA: Heterogeneous Mixture of Adapters for Parameter-Efficient Fine-Tuning of Large Language Models
von: Cao, Jie, et al.
Veröffentlicht: (2025)

You Only Fine-tune Once: Many-Shot In-Context Fine-Tuning for Large Language Models
von: He, Wenchong, et al.
Veröffentlicht: (2025)

Refining Salience-Aware Sparse Fine-Tuning Strategies for Language Models
von: Liu, Xinxin, et al.
Veröffentlicht: (2024)

Analyzing the Effects of Supervised Fine-Tuning on Model Knowledge from Token and Parameter Levels
von: Ye, Junjie, et al.
Veröffentlicht: (2025)

Data Selection for Multi-turn Dialogue Instruction Tuning
von: Li, Bo, et al.
Veröffentlicht: (2026)

ShadowPEFT: Shadow Network for Parameter-Efficient Fine-Tuning
von: Li, Xianming, et al.
Veröffentlicht: (2026)

FactGuard: Leveraging Multi-Agent Systems to Generate Answerable and Unanswerable Questions for Enhanced Long-Context LLM Extraction
von: Zhang, Qian-Wen, et al.
Veröffentlicht: (2025)

Parameter-Efficient Fine-Tuning for Foundation Models
von: Zhang, Dan, et al.
Veröffentlicht: (2025)

AgentBank: Towards Generalized LLM Agents via Fine-Tuning on 50000+ Interaction Trajectories
von: Song, Yifan, et al.
Veröffentlicht: (2024)

RAG-Instruct: Boosting LLMs with Diverse Retrieval-Augmented Instructions
von: Liu, Wanlong, et al.
Veröffentlicht: (2024)

In-Context Fine-Tuning for Time-Series Foundation Models
von: Das, Abhimanyu, et al.
Veröffentlicht: (2024)

60 Data Points are Sufficient to Fine-Tune LLMs for Question-Answering
von: Ye, Junjie, et al.
Veröffentlicht: (2024)

HUT: A More Computation Efficient Fine-Tuning Method With Hadamard Updated Transformation
von: Zhang, Geyuan, et al.
Veröffentlicht: (2024)