Buchumschlag

Comparable Demonstrations are Important in In-Context Learning: A Novel Perspective on Demonstration Selection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Caoyun, Tian, Jidong, Li, Yitian, He, Hao, Jin, Yaohui
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

Hypothesis Testing Prompting Improves Deductive Reasoning in Large Language Models
von: Li, Yitian, et al.
Veröffentlicht: (2024)

Logical Negation Augmenting and Debiasing for Prompt-based Methods
von: Li, Yitian, et al.
Veröffentlicht: (2024)

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

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

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

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

Look Before You Leap: Problem Elaboration Prompting Improves Mathematical Reasoning in Large Language Models
von: Liao, Haoran, et al.
Veröffentlicht: (2024)

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

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

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

Towards Understanding In-Context Learning with Contrastive Demonstrations and Saliency Maps
von: Liu, Fuxiao, et al.
Veröffentlicht: (2023)

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

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

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

Meta-Sel: Efficient Demonstration Selection for In-Context Learning via Supervised Meta-Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

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

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

Learning to Select Visual In-Context Demonstrations
von: Lee, Eugene, et al.
Veröffentlicht: (2026)

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

A Comparative Study of Demonstration Selection for Practical Large Language Models-based Next POI Prediction
von: Nishida, Ryo, et al.
Veröffentlicht: (2026)

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

Selective Demonstration Retrieval for Improved Implicit Hate Speech Detection
von: Kim, Yumin, et al.
Veröffentlicht: (2025)

RIDE: Enhancing Large Language Model Alignment through Restyled In-Context Learning Demonstration Exemplars
von: Hua, Yuncheng, et al.
Veröffentlicht: (2025)

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

Enhancing In-Context Learning via Implicit Demonstration Augmentation
von: Zhou, Xiaoling, et al.
Veröffentlicht: (2024)

MarginSel : Max-Margin Demonstration Selection for LLMs
von: Ambati, Rajeev Bhatt, et al.
Veröffentlicht: (2025)

Instruction Agent: Enhancing Agent with Expert Demonstration
von: Li, Yinheng, et al.
Veröffentlicht: (2025)

The Whole is Better than the Sum: Using Aggregated Demonstrations in In-Context Learning for Sequential Recommendation
von: Wang, Lei, et al.
Veröffentlicht: (2024)

CoT-ICL Lab: A Synthetic Framework for Studying Chain-of-Thought Learning from In-Context Demonstrations
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2025)

Large Language Models Are Latent Variable Models: Explaining and Finding Good Demonstrations for In-Context Learning
von: Wang, Xinyi, et al.
Veröffentlicht: (2023)

Affinity and Diversity: A Unified Metric for Demonstration Selection via Internal Representations
von: Kato, Mariko, et al.
Veröffentlicht: (2025)

Self-Demos: Eliciting Out-of-Demonstration Generalizability in Large Language Models
von: He, Wei, et al.
Veröffentlicht: (2024)

Babysit A Language Model From Scratch: Interactive Language Learning by Trials and Demonstrations
von: Ma, Ziqiao, et al.
Veröffentlicht: (2024)

Jailbreak and Guard Aligned Language Models with Only Few In-Context Demonstrations
von: Wei, Zeming, et al.
Veröffentlicht: (2023)

CrashSage: A Large Language Model-Centered Framework for Contextual and Interpretable Traffic Crash Analysis
von: Zhen, Hao, et al.
Veröffentlicht: (2025)

From Introspection to Best Practices: Principled Analysis of Demonstrations in Multimodal In-Context Learning
von: Xu, Nan, et al.
Veröffentlicht: (2024)

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

A Theoretical Understanding of Chain-of-Thought: Coherent Reasoning and Error-Aware Demonstration
von: Cui, Yingqian, et al.
Veröffentlicht: (2024)

SelectLLM: Can LLMs Select Important Instructions to Annotate?
von: Parkar, Ritik Sachin, et al.
Veröffentlicht: (2024)

Knowledge Tagging System on Math Questions via LLMs with Flexible Demonstration Retriever
von: Li, Hang, et al.
Veröffentlicht: (2024)