Buchumschlag

On LLMs-Driven Synthetic Data Generation, Curation, and Evaluation: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Long, Lin, Wang, Rui, Xiao, Ruixuan, Zhao, Junbo, Ding, Xiao, Chen, Gang, Wang, Haobo
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

FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents
von: Xiao, Ruixuan, et al.
Veröffentlicht: (2024)

D.Va: Validate Your Demonstration First Before You Use It
von: Zhang, Qi, et al.
Veröffentlicht: (2025)

RECOST: External Knowledge Guided Data-efficient Instruction Tuning
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

CRAB: A Benchmark for Evaluating Curation of Retrieval-Augmented LLMs in Biomedicine
von: Zhong, Hanmeng, et al.
Veröffentlicht: (2025)

RealHiTBench: A Comprehensive Realistic Hierarchical Table Benchmark for Evaluating LLM-Based Table Analysis
von: Wu, Pengzuo, et al.
Veröffentlicht: (2025)

Prompt Candidates, then Distill: A Teacher-Student Framework for LLM-driven Data Annotation
von: Xia, Mingxuan, et al.
Veröffentlicht: (2025)

FLoE: Fisher-Based Layer Selection for Efficient Sparse Adaptation of Low-Rank Experts
von: Wang, Xinyi, et al.
Veröffentlicht: (2025)

Data Swarms: Optimizable Generation of Synthetic Evaluation Data
von: Feng, Shangbin, et al.
Veröffentlicht: (2025)

Source2Synth: Synthetic Data Generation and Curation Grounded in Real Data Sources
von: Lupidi, Alisia, et al.
Veröffentlicht: (2024)

Reasoning-Driven Synthetic Data Generation and Evaluation
von: Davidson, Tim R., et al.
Veröffentlicht: (2026)

Energy-based Automated Model Evaluation
von: Peng, Ru, et al.
Veröffentlicht: (2024)

Optimsyn: Influence-Guided Rubrics Optimization for Synthetic Data Generation
von: Fan, Zhiting, et al.
Veröffentlicht: (2026)

Evaluating Language Models as Synthetic Data Generators
von: Kim, Seungone, et al.
Veröffentlicht: (2024)

SynCPKL: Harnessing LLMs to Generate Synthetic Data for Commonsense Persona Knowledge Linking
von: Lin, Kuan-Yen
Veröffentlicht: (2024)

Improving Data Efficiency via Curating LLM-Driven Rating Systems
von: Pang, Jinlong, et al.
Veröffentlicht: (2024)

GraphGen: Enhancing Supervised Fine-Tuning for LLMs with Knowledge-Driven Synthetic Data Generation
von: Chen, Zihong, et al.
Veröffentlicht: (2025)

Dynamic Evaluation for Oversensitivity in LLMs
von: Pu, Sophia Xiao, et al.
Veröffentlicht: (2025)

SPA++: Generalized Graph Spectral Alignment for Versatile Domain Adaptation
von: Xiao, Zhiqing, et al.
Veröffentlicht: (2025)

Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning
von: Long, Yunbo, et al.
Veröffentlicht: (2026)

Crafting Customisable Characters with LLMs: A Persona-Driven Role-Playing Agent Framework
von: Yang, Bohao, et al.
Veröffentlicht: (2024)

ELTEX: A Framework for Domain-Driven Synthetic Data Generation
von: Razmyslovich, Arina, et al.
Veröffentlicht: (2025)

Curating Grounded Synthetic Data with Global Perspectives for Equitable AI
von: Törnquist, Elin, et al.
Veröffentlicht: (2024)

Soohak: A Mathematician-Curated Benchmark for Evaluating Research-level Math Capabilities of LLMs
von: Son, Guijin, et al.
Veröffentlicht: (2026)

SciRerankBench: Benchmarking Rerankers Towards Scientific Retrieval-Augmented Generated LLMs
von: Chen, Haotian, et al.
Veröffentlicht: (2025)

FinLFQA: Evaluating Attributed Text Generation of LLMs in Financial Long-Form Question Answering
von: Long, Yitao, et al.
Veröffentlicht: (2025)

Can LLMs Act as Historians? Evaluating Historical Research Capabilities of LLMs via the Chinese Imperial Examination
von: Gao, Lirong, et al.
Veröffentlicht: (2026)

DeltaMem: Towards Agentic Memory Management via Reinforcement Learning
von: Zhang, Qi, et al.
Veröffentlicht: (2026)

ClimateChat: Designing Data and Methods for Instruction Tuning LLMs to Answer Climate Change Queries
von: Chen, Zhou, et al.
Veröffentlicht: (2025)

CYCLE-INSTRUCT: Fully Seed-Free Instruction Tuning via Dual Self-Training and Cycle Consistency
von: Shen, Zhanming, et al.
Veröffentlicht: (2025)

Embedding-Driven Diversity Sampling to Improve Few-Shot Synthetic Data Generation
von: Lopez, Ivan, et al.
Veröffentlicht: (2025)

Dual Tuning for Reasoning Efficacy-Driven Data Curation in Multimodal LLM Training
von: Zheng, Ruobing, et al.
Veröffentlicht: (2026)

ToxiLab: How Well Do Open-Source LLMs Generate Synthetic Toxicity Data?
von: Hui, Zheng, et al.
Veröffentlicht: (2024)

SurveyAgent: A Conversational System for Personalized and Efficient Research Survey
von: Wang, Xintao, et al.
Veröffentlicht: (2024)

Harnessing LLMs for API Interactions: A Framework for Classification and Synthetic Data Generation
von: Tao, Chunliang, et al.
Veröffentlicht: (2024)

A Unified Understanding of Offline Data Selection and Online Self-refining Generation for Post-training LLMs
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

SurveyForge: On the Outline Heuristics, Memory-Driven Generation, and Multi-dimensional Evaluation for Automated Survey Writing
von: Yan, Xiangchao, et al.
Veröffentlicht: (2025)

RPDR: A Round-trip Prediction-Based Data Augmentation Framework for Long-Tail Question Answering
von: Zhang, Yiming, et al.
Veröffentlicht: (2026)

SQ-format: A Unified Sparse-Quantized Hardware-friendly Data Format for LLMs
von: Huang, Ruixuan, et al.
Veröffentlicht: (2025)

Scaling Low-Resource MT via Synthetic Data Generation with LLMs
von: de Gibert, Ona, et al.
Veröffentlicht: (2025)

DRTriton: Large-Scale Synthetic Data Driven Reinforcement Learning for Triton Kernel Generation
von: Guo, Siqi, et al.
Veröffentlicht: (2026)