Buchumschlag

Intent-based Prompt Calibration: Enhancing prompt optimization with synthetic boundary cases

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Levi, Elad, Brosh, Eli, Friedmann, Matan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

IntellAgent: A Multi-Agent Framework for Evaluating Conversational AI Systems
von: Levi, Elad, et al.
Veröffentlicht: (2025)

BARRED: Synthetic Training of Custom Policy Guardrails via Asymmetric Debate
von: Mazza, Arnon, et al.
Veröffentlicht: (2026)

Prompt Repetition Improves Non-Reasoning LLMs
von: Leviathan, Yaniv, et al.
Veröffentlicht: (2025)

Prompt-prompted Adaptive Structured Pruning for Efficient LLM Generation
von: Dong, Harry, et al.
Veröffentlicht: (2024)

Towards Data-efficient Customer Intent Recognition with Prompt-based Learning Paradigm
von: Luo, Hengyu, et al.
Veröffentlicht: (2023)

Batch Calibration: Rethinking Calibration for In-Context Learning and Prompt Engineering
von: Zhou, Han, et al.
Veröffentlicht: (2023)

Reading with Intent -- Neutralizing Intent
von: Reichman, Benjamin, et al.
Veröffentlicht: (2025)

StateAct: Enhancing LLM Base Agents via Self-prompting and State-tracking
von: Rozanov, Nikolai, et al.
Veröffentlicht: (2024)

Introducing HALC: A general pipeline for finding optimal prompting strategies for automated coding with LLMs in the computational social sciences
von: Reich, Andreas, et al.
Veröffentlicht: (2025)

Quantifying Language Models' Sensitivity to Spurious Features in Prompt Design or: How I learned to start worrying about prompt formatting
von: Sclar, Melanie, et al.
Veröffentlicht: (2023)

Efficient multi-prompt evaluation of LLMs
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2024)

Evil twins are not that evil: Qualitative insights into machine-generated prompts
von: Rakotonirina, Nathanaël Carraz, et al.
Veröffentlicht: (2024)

Soft-prompt Tuning for Large Language Models to Evaluate Bias
von: Tian, Jacob-Junqi, et al.
Veröffentlicht: (2023)

Selective Attention Improves Transformer
von: Leviathan, Yaniv, et al.
Veröffentlicht: (2024)

Auto-Intent: Automated Intent Discovery and Self-Exploration for Large Language Model Web Agents
von: Kim, Jaekyeom, et al.
Veröffentlicht: (2024)

GreenTEA: Gradient Descent with Topic-modeling and Evolutionary Auto-prompting
von: Dong, Zheng, et al.
Veröffentlicht: (2025)

Improved Out-of-Scope Intent Classification with Dual Encoding and Threshold-based Re-Classification
von: Zawbaa, Hossam M., et al.
Veröffentlicht: (2024)

Enhancing In-context Learning via Linear Probe Calibration
von: Abbas, Momin, et al.
Veröffentlicht: (2024)

Salient Information Prompting to Steer Content in Prompt-based Abstractive Summarization
von: Xu, Lei, et al.
Veröffentlicht: (2024)

Token-Driven GammaTune: Adaptive Calibration for Enhanced Speculative Decoding
von: Gautam, Aayush, et al.
Veröffentlicht: (2025)

Interpretability of the Intent Detection Problem: A New Approach
von: Sanchez-Karhunen, Eduardo, et al.
Veröffentlicht: (2026)

Resolving Intent Ambiguities by Retrieving Discriminative Clarifying Questions
von: Dhole, Kaustubh D.
Veröffentlicht: (2020)

Enhancing Trust in Large Language Models via Uncertainty-Calibrated Fine-Tuning
von: Krishnan, Ranganath, et al.
Veröffentlicht: (2024)

Intent Factored Generation: Unleashing the Diversity in Your Language Model
von: Ahmed, Eltayeb, et al.
Veröffentlicht: (2025)

Illuminate: A novel approach for depression detection with explainable analysis and proactive therapy using prompt engineering
von: Agrawal, Aryan
Veröffentlicht: (2024)

Enhancing LLM Agent Safety via Causal Influence Prompting
von: Hahm, Dongyoon, et al.
Veröffentlicht: (2025)

Calibration Across Layers: Understanding Calibration Evolution in LLMs
von: Joshi, Abhinav, et al.
Veröffentlicht: (2025)

Paraphrase and Aggregate with Large Language Models for Minimizing Intent Classification Errors
von: Yadav, Vikas, et al.
Veröffentlicht: (2024)

Out-of-Domain Intent Detection Considering Multi-Turn Dialogue Contexts
von: Lang, Hao, et al.
Veröffentlicht: (2023)

WolBanking77: Wolof Banking Speech Intent Classification Dataset
von: Kandji, Abdou Karim, et al.
Veröffentlicht: (2025)

Prompting with Phonemes: Enhancing LLMs' Multilinguality for Non-Latin Script Languages
von: Nguyen, Hoang H, et al.
Veröffentlicht: (2024)

A Truly Joint Neural Architecture for Segmentation and Parsing
von: Levi, Danit Yshaayahu, et al.
Veröffentlicht: (2024)

ROCKET: Rapid Optimization via Calibration-guided Knapsack Enhanced Truncation for Efficient Model Compression
von: Ali, Ammar, et al.
Veröffentlicht: (2026)

Language hooks: a modular framework for augmenting LLM reasoning that decouples tool usage from the model and its prompt
von: de Mijolla, Damien, et al.
Veröffentlicht: (2024)

CLAIM: An Intent-Driven Multi-Agent Framework for Analyzing Manipulation in Courtroom Dialogues
von: Sheshanarayana, Disha, et al.
Veröffentlicht: (2025)

Aleph-Alpha-GermanWeb: Improving German-language LLM pre-training with model-based data curation and synthetic data generation
von: Burns, Thomas F, et al.
Veröffentlicht: (2025)

Enhance Multi-domain Sentiment Analysis of Review Texts through Prompting Strategies
von: Wang, Yajing, et al.
Veröffentlicht: (2023)

Prompt Engineering a Prompt Engineer
von: Ye, Qinyuan, et al.
Veröffentlicht: (2023)

Automatic Prompt Optimization with Prompt Distillation
von: Dyagin, Ernest A., et al.
Veröffentlicht: (2025)

Controllable Discovery of Intents: Incremental Deep Clustering Using Semi-Supervised Contrastive Learning
von: Rawat, Mrinal, et al.
Veröffentlicht: (2024)