Buchumschlag

Towards Better Understanding of Cybercrime: The Role of Fine-Tuned LLMs in Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Valeros, Veronica, Širokova, Anna, Catania, Carlos, Garcia, Sebastian
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

LLM in the Shell: Generative Honeypots
von: Sladić, Muris, et al.
Veröffentlicht: (2023)

VelLMes: A high-interaction AI-based deception framework
von: Sladić, Muris, et al.
Veröffentlicht: (2025)

Triplets Better Than Pairs: Towards Stable and Effective Self-Play Fine-Tuning for LLMs
von: Wang, Yibo, et al.
Veröffentlicht: (2026)

Two Intermediate Translations Are Better Than One: Fine-tuning LLMs for Document-level Translation Refinement
von: Dong, Yichen, et al.
Veröffentlicht: (2025)

Towards Understanding Fine-Tuning Mechanisms of LLMs via Circuit Analysis
von: Wang, Xu, et al.
Veröffentlicht: (2025)

Improving Translation Quality by Selecting Better Data for LLM Fine-Tuning: A Comparative Analysis
von: de Mello, Felipe Ribeiro Fujita, et al.
Veröffentlicht: (2025)

Towards Understanding the Fragility of Multilingual LLMs against Fine-Tuning Attacks
von: Poppi, Samuele, et al.
Veröffentlicht: (2024)

Towards Pedagogical LLMs with Supervised Fine Tuning for Computing Education
von: Vassar, Alexandra, et al.
Veröffentlicht: (2024)

Fine-Tuning LLMs for Low-Resource Dialect Translation: The Case of Lebanese
von: Yakhni, Silvana, et al.
Veröffentlicht: (2025)

DeMPT: Decoding-enhanced Multi-phase Prompt Tuning for Making LLMs Be Better Context-aware Translators
von: Lyu, Xinglin, et al.
Veröffentlicht: (2024)

Impromptu Cybercrime Euphemism Detection
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Prompt, Translate, Fine-Tune, Re-Initialize, or Instruction-Tune? Adapting LLMs for In-Context Learning in Low-Resource Languages
von: Toukmaji, Christopher, et al.
Veröffentlicht: (2025)

Strategies for Improving NL-to-FOL Translation with LLMs: Data Generation, Incremental Fine-Tuning, and Verification
von: Thatikonda, Ramya Keerthy, et al.
Veröffentlicht: (2024)

Towards Better Understanding Table Instruction Tuning: Decoupling the Effects from Data versus Models
von: Deng, Naihao, et al.
Veröffentlicht: (2025)

Supervised Fine-Tuning or Contrastive Learning? Towards Better Multimodal LLM Reranking
von: Dai, Ziqi, et al.
Veröffentlicht: (2025)

Fine-Tuned Machine Translation Metrics Struggle in Unseen Domains
von: Zouhar, Vilém, et al.
Veröffentlicht: (2024)

From Parameters to Prompts: Understanding and Mitigating the Factuality Gap between Fine-Tuned LLMs
von: Gong, Xuan, et al.
Veröffentlicht: (2025)

Enhancing ML Model Interpretability: Leveraging Fine-Tuned Large Language Models for Better Understanding of AI
von: Bokstaller, Jonas, et al.
Veröffentlicht: (2025)

Ancient Greek to Modern Greek Machine Translation: A Novel Benchmark and Fine-Tuning Experiments on LLMs and NMT Models
von: Mavromatis, Spyridon, et al.
Veröffentlicht: (2026)

Beware of Your Po! Measuring and Mitigating AI Safety Risks in Role-Play Fine-Tuning of LLMs
von: Zhao, Weixiang, et al.
Veröffentlicht: (2025)

Making LLMs Better Many-to-Many Speech-to-Text Translators with Curriculum Learning
von: Du, Yexing, et al.
Veröffentlicht: (2024)

LLMs for Domain Generation Algorithm Detection
von: La O, Reynier Leyva, et al.
Veröffentlicht: (2024)

MT-LENS: An all-in-one Toolkit for Better Machine Translation Evaluation
von: Gilabert, Javier García, et al.
Veröffentlicht: (2024)

LIFT: A Novel Framework for Enhancing Long-Context Understanding of LLMs via Long Input Fine-Tuning
von: Mao, Yansheng, et al.
Veröffentlicht: (2025)

ALKAFI-LLAMA3: Fine-Tuning LLMs for Precise Legal Understanding in Palestine
von: Qasem, Rabee, et al.
Veröffentlicht: (2024)

Augmented Fine-Tuned LLMs for Enhanced Recruitment Automation
von: Younes, Mohamed T., et al.
Veröffentlicht: (2025)

Safeguard Fine-Tuned LLMs Through Pre- and Post-Tuning Model Merging
von: Farn, Hua, et al.
Veröffentlicht: (2024)

Unlocking Parameter-Efficient Fine-Tuning for Low-Resource Language Translation
von: Su, Tong, et al.
Veröffentlicht: (2024)

Structure-Enhanced Protein Instruction Tuning: Towards General-Purpose Protein Understanding with LLMs
von: Wu, Wei, et al.
Veröffentlicht: (2024)

Know Your Needs Better: Towards Structured Understanding of Marketer Demands with Analogical Reasoning Augmented LLMs
von: Wang, Junjie, et al.
Veröffentlicht: (2024)

Towards Better Chinese-centric Neural Machine Translation for Low-resource Languages
von: Li, Bin, et al.
Veröffentlicht: (2022)

QEFT: Quantization for Efficient Fine-Tuning of LLMs
von: Lee, Changhun, et al.
Veröffentlicht: (2024)

Efficiently Seeking Flat Minima for Better Generalization in Fine-Tuning Large Language Models and Beyond
von: Deng, Jiaxin, et al.
Veröffentlicht: (2025)

Does Fine-Tuning LLMs on New Knowledge Encourage Hallucinations?
von: Gekhman, Zorik, et al.
Veröffentlicht: (2024)

Do LLMs Understand Romanian Driving Laws? A Study on Multimodal and Fine-Tuned Question Answering
von: Barbu, Eduard, et al.
Veröffentlicht: (2025)

The Fine-Tuning Paradox: Boosting Translation Quality Without Sacrificing LLM Abilities
von: Stap, David, et al.
Veröffentlicht: (2024)

Dynamic Jointly Batch Selection for Data Efficient Machine Translation Fine-Tuning
von: Ghanizadeh, Mohammad Amin, et al.
Veröffentlicht: (2025)

The Effect of Language Diversity When Fine-Tuning Large Language Models for Translation
von: Stap, David, et al.
Veröffentlicht: (2025)

Toward Secure Tuning: Mitigating Security Risks from Instruction Fine-Tuning
von: Du, Yanrui, et al.
Veröffentlicht: (2024)

How Multilingual Are Large Language Models Fine-Tuned for Translation?
von: Richburg, Aquia, et al.
Veröffentlicht: (2024)