Buchumschlag

SLANG: New Concept Comprehension of Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mei, Lingrui, Liu, Shenghua, Wang, Yiwei, Bi, Baolong, Cheng, Xueqi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LPNL: Scalable Link Prediction with Large Language Models
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

"Not Aligned" is Not "Malicious": Being Careful about Hallucinations of Large Language Models' Jailbreak
von: Mei, Lingrui, et al.
Veröffentlicht: (2024)

StruEdit: Structured Outputs Enable the Fast and Accurate Knowledge Editing for Large Language Models
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Decoding by Contrasting Knowledge: Enhancing LLMs' Confidence on Edited Facts
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

HiddenGuard: Fine-Grained Safe Generation with Specialized Representation Router
von: Mei, Lingrui, et al.
Veröffentlicht: (2024)

Parameters vs. Context: Fine-Grained Control of Knowledge Reliance in Language Models
von: Bi, Baolong, et al.
Veröffentlicht: (2025)

Prism-$Δ$: Differential Subspace Steering for Prompt Highlighting in Large Language Models
von: Ge, Yuyao, et al.
Veröffentlicht: (2026)

Adaptive Token Biaser: Knowledge Editing via Biasing Key Entities
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Not in Sync: Unveiling Temporal Bias in Audio Chat Models
von: Yao, Jiayu, et al.
Veröffentlicht: (2025)

a1: Steep Test-time Scaling Law via Environment Augmented Generation
von: Mei, Lingrui, et al.
Veröffentlicht: (2025)

Gated Differentiable Working Memory for Long-Context Language Modeling
von: Mei, Lingrui, et al.
Veröffentlicht: (2026)

Is Factuality Enhancement a Free Lunch For LLMs? Better Factuality Can Lead to Worse Context-Faithfulness
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Who is in the Spotlight: The Hidden Bias Undermining Multimodal Retrieval-Augmented Generation
von: Yao, Jiayu, et al.
Veröffentlicht: (2025)

RefineX: Learning to Refine Pre-training Data at Scale from Expert-Guided Programs
von: Bi, Baolong, et al.
Veröffentlicht: (2025)

Innate Reasoning is Not Enough: In-Context Learning Enhances Reasoning Large Language Models with Less Overthinking
von: Ge, Yuyao, et al.
Veröffentlicht: (2025)

A Survey of Context Engineering for Large Language Models
von: Mei, Lingrui, et al.
Veröffentlicht: (2025)

Rethinking All Evidence: Enhancing Trustworthy Retrieval-Augmented Generation via Conflict-Driven Summarization
von: Chen, Juan, et al.
Veröffentlicht: (2025)

Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning
von: Ge, Yuyao, et al.
Veröffentlicht: (2025)

Context-DPO: Aligning Language Models for Context-Faithfulness
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Can Graph Descriptive Order Affect Solving Graph Problems with LLMs?
von: Ge, Yuyao, et al.
Veröffentlicht: (2024)

Large Language Models as Computable Approximations to Solomonoff Induction
von: Wan, Jun, et al.
Veröffentlicht: (2025)

Towards Fully Exploiting LLM Internal States to Enhance Knowledge Boundary Perception
von: Ni, Shiyu, et al.
Veröffentlicht: (2025)

Training a Utility-based Retriever Through Shared Context Attribution for Retrieval-Augmented Language Models
von: Xu, Yilong, et al.
Veröffentlicht: (2025)

How to Make Large Language Models Generate 100% Valid Molecules?
von: Tao, Wen, et al.
Veröffentlicht: (2025)

Reward and Guidance through Rubrics: Promoting Exploration to Improve Multi-Domain Reasoning
von: Bi, Baolong, et al.
Veröffentlicht: (2025)

ALiiCE: Evaluating Positional Fine-grained Citation Generation
von: Xu, Yilong, et al.
Veröffentlicht: (2024)

Evaluating Implicit Bias in Large Language Models by Attacking From a Psychometric Perspective
von: Wen, Yuchen, et al.
Veröffentlicht: (2024)

A Survey of Vibe Coding with Large Language Models
von: Ge, Yuyao, et al.
Veröffentlicht: (2025)

D-Models and E-Models: Diversity-Stability Trade-offs in the Sampling Behavior of Large Language Models
von: Gu, Jia, et al.
Veröffentlicht: (2026)

Enhancing Training Data Attribution for Large Language Models with Fitting Error Consideration
von: Wu, Kangxi, et al.
Veröffentlicht: (2024)

Stable Knowledge Editing in Large Language Models
von: Wei, Zihao, et al.
Veröffentlicht: (2024)

Do LLMs Play Dice? Exploring Probability Distribution Sampling in Large Language Models for Behavioral Simulation
von: Gu, Jia, et al.
Veröffentlicht: (2024)

Evaluating Progress in Graph Foundation Models: A Comprehensive Benchmark and New Insights
von: Yu, Xingtong, et al.
Veröffentlicht: (2026)

Reinforced Lifelong Editing for Language Models
von: Li, Zherui, et al.
Veröffentlicht: (2025)

Iterative Structured Pruning for Large Language Models with Multi-Domain Calibration
von: Wu, Guangxin, et al.
Veröffentlicht: (2026)

ReAD: Reinforcement-Guided Capability Distillation for Large Language Models
von: Cheng, Xueqi, et al.
Veröffentlicht: (2026)

Safety in Large Reasoning Models: A Survey
von: Wang, Cheng, et al.
Veröffentlicht: (2025)

MLaKE: Multilingual Knowledge Editing Benchmark for Large Language Models
von: Wei, Zihao, et al.
Veröffentlicht: (2024)

MORE: Multi-mOdal REtrieval Augmented Generative Commonsense Reasoning
von: Cui, Wanqing, et al.
Veröffentlicht: (2024)

When Do LLMs Need Retrieval Augmentation? Mitigating LLMs' Overconfidence Helps Retrieval Augmentation
von: Ni, Shiyu, et al.
Veröffentlicht: (2024)