Buchumschlag

RIFF: Learning to Rephrase Inputs for Few-shot Fine-tuning of Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Najafi, Saeed, Fyshe, Alona
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Offline Preference Optimization via Maximum Marginal Likelihood Estimation
von: Najafi, Saeed, et al.
Veröffentlicht: (2025)

Exploring Curriculum Learning for Vision-Language Tasks: A Study on Small-Scale Multimodal Training
von: Saha, Rohan, et al.
Veröffentlicht: (2024)

It's Not a Modality Gap: Characterizing and Addressing the Contrastive Gap
von: Fahim, Abrar, et al.
Veröffentlicht: (2024)

FLEx: Language Modeling with Few-shot Language Explanations
von: Avsian, Adar, et al.
Veröffentlicht: (2026)

Private Fine-tuning of Large Language Models with Zeroth-order Optimization
von: Tang, Xinyu, et al.
Veröffentlicht: (2024)

On the Utility of Domain-Adjacent Fine-Tuned Model Ensembles for Few-shot Problems
von: Alam, Md Ibrahim Ibne, et al.
Veröffentlicht: (2024)

Understanding the Staged Dynamics of Transformers in Learning Latent Structure
von: Saha, Rohan, et al.
Veröffentlicht: (2025)

Learning to Learn for Few-shot Continual Active Learning
von: Ho, Stella, et al.
Veröffentlicht: (2023)

Fine-tuning vs. In-context Learning in Large Language Models: A Formal Language Learning Perspective
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2026)

Rephrase and Respond: Let Large Language Models Ask Better Questions for Themselves
von: Deng, Yihe, et al.
Veröffentlicht: (2023)

Chain of LoRA: Efficient Fine-tuning of Language Models via Residual Learning
von: Xia, Wenhan, et al.
Veröffentlicht: (2024)

Efficient Ensemble for Fine-tuning Language Models on Multiple Datasets
von: Li, Dongyue, et al.
Veröffentlicht: (2025)

SentinelLMs: Encrypted Input Adaptation and Fine-tuning of Language Models for Private and Secure Inference
von: Mishra, Abhijit, et al.
Veröffentlicht: (2023)

Question Rephrasing for Quantifying Uncertainty in Large Language Models: Applications in Molecular Chemistry Tasks
von: Chen, Zizhang, et al.
Veröffentlicht: (2024)

Finding Shared Decodable Concepts and their Negations in the Brain
von: Efird, Cory, et al.
Veröffentlicht: (2024)

Exploring Memorization in Fine-tuned Language Models
von: Zeng, Shenglai, et al.
Veröffentlicht: (2023)

Fine-tuning Large Language Models for Domain-specific Machine Translation
von: Zheng, Jiawei, et al.
Veröffentlicht: (2024)

Automatic Pruning of Fine-tuning Datasets for Transformer-based Language Models
von: Tayaranian, Mohammadreza, et al.
Veröffentlicht: (2024)

DrugLLM: Open Large Language Model for Few-shot Molecule Generation
von: Liu, Xianggen, et al.
Veröffentlicht: (2024)

Rephrase, Augment, Reason: Visual Grounding of Questions for Vision-Language Models
von: Prasad, Archiki, et al.
Veröffentlicht: (2023)

Memento: Fine-tuning LLM Agents without Fine-tuning LLMs
von: Zhou, Huichi, et al.
Veröffentlicht: (2025)

Few Tokens, Big Leverage: Preserving Safety Alignment by Constraining Safety Tokens during Fine-tuning
von: Wang, Guoli, et al.
Veröffentlicht: (2026)

Zero-shot and Few-shot Generation Strategies for Artificial Clinical Records
von: Frayling, Erlend, et al.
Veröffentlicht: (2024)

Privately Learning from Graphs with Applications in Fine-tuning Large Language Models
von: Yin, Haoteng, et al.
Veröffentlicht: (2024)

Information Guided Regularization for Fine-tuning Language Models
von: Sharma, Mandar, et al.
Veröffentlicht: (2024)

Neural-Bayesian Program Learning for Few-shot Dialogue Intent Parsing
von: Hong, Mengze, et al.
Veröffentlicht: (2024)

Fine-tuning Language Models with Generative Adversarial Reward Modelling
von: Yu, Zhang Ze, et al.
Veröffentlicht: (2023)

Whispering in Amharic: Fine-tuning Whisper for Low-resource Language
von: Gete, Dawit Ketema, et al.
Veröffentlicht: (2025)

MLP Fusion: Towards Efficient Fine-tuning of Dense and Mixture-of-Experts Language Models
von: Ai, Mengting, et al.
Veröffentlicht: (2023)

LAMPO: Large Language Models as Preference Machines for Few-shot Ordinal Classification
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

Efficient End-to-end Language Model Fine-tuning on Graphs
von: Xue, Rui, et al.
Veröffentlicht: (2023)

Topic Modeling with Fine-tuning LLMs and Bag of Sentences
von: Schneider, Johannes
Veröffentlicht: (2024)

Confidence Is All You Need: Few-Shot RL Fine-Tuning of Language Models
von: Li, Pengyi, et al.
Veröffentlicht: (2025)

A Zero-shot and Few-shot Study of Instruction-Finetuned Large Language Models Applied to Clinical and Biomedical Tasks
von: Labrak, Yanis, et al.
Veröffentlicht: (2023)

EpilepsyLLM: Domain-Specific Large Language Model Fine-tuned with Epilepsy Medical Knowledge
von: Zhao, Xuyang, et al.
Veröffentlicht: (2024)

Vaccine: Perturbation-aware Alignment for Large Language Models against Harmful Fine-tuning Attack
von: Huang, Tiansheng, et al.
Veröffentlicht: (2024)

Domain-Specific Pruning of Large Mixture-of-Experts Models with Few-shot Demonstrations
von: Dong, Zican, et al.
Veröffentlicht: (2025)

Mechanistic Fine-tuning for In-context Learning
von: Cho, Hakaze, et al.
Veröffentlicht: (2025)

Pre-trained Language Models Improve the Few-shot Prompt Ability of Decision Transformer
von: Yang, Yu, et al.
Veröffentlicht: (2024)

Chem-FINESE: Validating Fine-Grained Few-shot Entity Extraction through Text Reconstruction
von: Wang, Qingyun, et al.
Veröffentlicht: (2024)