Buchumschlag

Rich Semantic Knowledge Enhanced Large Language Models for Few-shot Chinese Spell Checking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Ming, Chen, Yujing, Zhang, Miao, Sun, Hao, He, Tingting
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

Mixture of Small and Large Models for Chinese Spelling Check
von: Qiao, Ziheng, et al.
Veröffentlicht: (2025)

Error-Robust Retrieval for Chinese Spelling Check
von: Yin, Xunjian, et al.
Veröffentlicht: (2022)

C-LLM: Learn to Check Chinese Spelling Errors Character by Character
von: Li, Kunting, et al.
Veröffentlicht: (2024)

An Empirical Investigation of Domain Adaptation Ability for Chinese Spelling Check Models
von: Wang, Xi, et al.
Veröffentlicht: (2024)

DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check
von: Qiao, Ziheng, et al.
Veröffentlicht: (2024)

Chinese Spelling Correction as Rephrasing Language Model
von: Liu, Linfeng, et al.
Veröffentlicht: (2023)

RAGs to Riches: RAG-like Few-shot Learning for Large Language Model Role-playing
von: Rupprecht, Timothy, et al.
Veröffentlicht: (2025)

LMSpell: Neural Spell Checking for Low-Resource Languages
von: Gunathilake, Akesh, et al.
Veröffentlicht: (2025)

CSCD-NS: a Chinese Spelling Check Dataset for Native Speakers
von: Hu, Yong, et al.
Veröffentlicht: (2022)

Bi-DCSpell: A Bi-directional Detector-Corrector Interactive Framework for Chinese Spelling Check
von: Wu, Haiming, et al.
Veröffentlicht: (2024)

A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models
von: Zhou, Houquan, et al.
Veröffentlicht: (2024)

ADMIT: Few-shot Knowledge Poisoning Attacks on RAG-based Fact Checking
von: Wu, Yutao, et al.
Veröffentlicht: (2025)

Prompt Space Optimizing Few-shot Reasoning Success with Large Language Models
von: Shi, Fobo, et al.
Veröffentlicht: (2023)

Large Margin Prototypical Network for Few-shot Relation Classification with Fine-grained Features
von: Fan, Miao, et al.
Veröffentlicht: (2024)

The Few-shot Dilemma: Over-prompting Large Language Models
von: Tang, Yongjian, et al.
Veröffentlicht: (2025)

Adapting Knowledge for Few-shot Table-to-Text Generation
von: Guo, Zhixin, et al.
Veröffentlicht: (2023)

DSCD: Large Language Model Detoxification with Self-Constrained Decoding
von: Dong, Ming, et al.
Veröffentlicht: (2025)

IntentGPT: Few-shot Intent Discovery with Large Language Models
von: Rodriguez, Juan A., et al.
Veröffentlicht: (2024)

Explainable Few-shot Knowledge Tracing
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

Evaluating the Generation Capabilities of Large Chinese Language Models
von: Zeng, Hui, et al.
Veröffentlicht: (2023)

Two Spelling Normalization Approaches Based on Large Language Models
von: Domingo, Miguel, et al.
Veröffentlicht: (2025)

Effectiveness of Pre-training for Few-shot Intent Classification
von: Zhang, Haode, et al.
Veröffentlicht: (2021)

Pre-trained Language Models and Few-shot Learning for Medical Entity Extraction
von: Wang, Xiaokai, et al.
Veröffentlicht: (2025)

MedFact: Benchmarking the Fact-Checking Capabilities of Large Language Models on Chinese Medical Texts
von: He, Jiayi, et al.
Veröffentlicht: (2025)

Refining Corpora from a Model Calibration Perspective for Chinese Spelling Correction
von: Yu, Dingyao, et al.
Veröffentlicht: (2024)

On the Robustness of Knowledge Editing for Detoxification
von: Dong, Ming, et al.
Veröffentlicht: (2026)

Enhancing Robustness in Large Language Models: Prompting for Mitigating the Impact of Irrelevant Information
von: Jiang, Ming, et al.
Veröffentlicht: (2024)

Zero and Few-shot Semantic Parsing with Ambiguous Inputs
von: Stengel-Eskin, Elias, et al.
Veröffentlicht: (2023)

Vision Language Models Are Not (Yet) Spelling Correctors
von: Liang, Junhong, et al.
Veröffentlicht: (2025)

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

JustiLM: Few-shot Justification Generation for Explainable Fact-Checking of Real-world Claims
von: Zeng, Fengzhu, et al.
Veröffentlicht: (2024)

AxBERT: An Interpretable Chinese Spelling Correction Method Driven by Associative Knowledge Network
von: Wang, Fanyu, et al.
Veröffentlicht: (2025)

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

Mitigating Catastrophic Forgetting in Multi-domain Chinese Spelling Correction by Multi-stage Knowledge Transfer Framework
von: Xing, Peng, et al.
Veröffentlicht: (2024)

TCMD: A Traditional Chinese Medicine QA Dataset for Evaluating Large Language Models
von: Yu, Ping, et al.
Veröffentlicht: (2024)

Do We Need Language-Specific Fact-Checking Models? The Case of Chinese
von: Zhang, Caiqi, et al.
Veröffentlicht: (2024)

MFORT-QA: Multi-hop Few-shot Open Rich Table Question Answering
von: Guan, Che, et al.
Veröffentlicht: (2024)

Chinese Spelling Correction: A Comprehensive Survey of Progress, Challenges, and Opportunities
von: Liu, Changchun, et al.
Veröffentlicht: (2025)

Fine-tuning Pre-trained Language Models for Few-shot Intent Detection: Supervised Pre-training and Isotropization
von: Zhang, Haode, et al.
Veröffentlicht: (2022)

ILLUMINER: Instruction-tuned Large Language Models as Few-shot Intent Classifier and Slot Filler
von: Mirza, Paramita, et al.
Veröffentlicht: (2024)