Buchumschlag

Enhancing In-Context Learning via Implicit Demonstration Augmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Xiaoling, Ye, Wei, Wang, Yidong, Jiang, Chaoya, Lee, Zhemg, Xie, Rui, Zhang, Shikun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language I.2.7
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RIDE: Enhancing Large Language Model Alignment through Restyled In-Context Learning Demonstration Exemplars
von: Hua, Yuncheng, et al.
Veröffentlicht: (2025)

Detecting Data Contamination in LLMs via In-Context Learning
von: Zawalski, Michał, et al.
Veröffentlicht: (2025)

Dual Debiasing for Noisy In-Context Learning for Text Generation
von: Liang, Siqi, et al.
Veröffentlicht: (2025)

Distributed In-Context Learning under Non-IID Among Clients
von: Liang, Siqi, et al.
Veröffentlicht: (2024)

Text-Based Approaches to Item Difficulty Modeling in Large-Scale Assessments: A Systematic Review
von: Peters, Sydney, et al.
Veröffentlicht: (2025)

ExpressivityBench: Can LLMs Communicate Implicitly?
von: Tint, Joshua, et al.
Veröffentlicht: (2024)

Enhancing Long-Term Memory using Hierarchical Aggregate Tree for Retrieval Augmented Generation
von: A, Aadharsh Aadhithya, et al.
Veröffentlicht: (2024)

Boosting Model Resilience via Implicit Adversarial Data Augmentation
von: Zhou, Xiaoling, et al.
Veröffentlicht: (2024)

RomanLens: The Role Of Latent Romanization In Multilinguality In LLMs
von: Saji, Alan, et al.
Veröffentlicht: (2025)

Detecting Hallucinations in Graph Retrieval-Augmented Generation via Attention Patterns and Semantic Alignment
von: Li, Shanghao, et al.
Veröffentlicht: (2025)

Learning vs Retrieval: The Role of In-Context Examples in Regression with Large Language Models
von: Nafar, Aliakbar, et al.
Veröffentlicht: (2024)

KisMATH: Do LLMs Have Knowledge of Implicit Structures in Mathematical Reasoning?
von: Saha, Soumadeep, et al.
Veröffentlicht: (2025)

Context Is What You Need: The Maximum Effective Context Window for Real World Limits of LLMs
von: Paulsen, Norman
Veröffentlicht: (2025)

In-Context Fixation: When Demonstrated Labels Override Semantics in Few-Shot Classification
von: Liu, Ming
Veröffentlicht: (2026)

$\rm SP^3$: Enhancing Structured Pruning via PCA Projection
von: Hu, Yuxuan, et al.
Veröffentlicht: (2023)

Considering Length Diversity in Retrieval-Augmented Summarization
von: Juseon-Do, et al.
Veröffentlicht: (2025)

Evaluating the Efficacy of Hybrid Deep Learning Models in Distinguishing AI-Generated Text
von: Oketunji, Abiodun Finbarrs
Veröffentlicht: (2023)

Predicting Word Similarity in Context with Referential Translation Machines
von: Biçici, Ergun
Veröffentlicht: (2024)

RV-HATE: Reinforced Multi-Module Voting for Implicit Hate Speech Detection
von: Lee, Yejin, et al.
Veröffentlicht: (2025)

TALE: A Tool-Augmented Framework for Reference-Free Evaluation of Large Language Models
von: Badshah, Sher, et al.
Veröffentlicht: (2025)

Knowledge-Augmented Multimodal Clinical Rationale Generation for Disease Diagnosis with Small Language Models
von: Niu, Shuai, et al.
Veröffentlicht: (2024)

Eeyore: Realistic Depression Simulation via Supervised and Preference Optimization
von: Liu, Siyang, et al.
Veröffentlicht: (2025)

Generative Active Testing: Efficient LLM Evaluation via Proxy Task Adaptation
von: Ramakrishnan, Aashish Anantha, et al.
Veröffentlicht: (2026)

An Adaptive Framework for Generating Systematic Explanatory Answer in Online Q&A Platforms
von: Chen, Ziyang, et al.
Veröffentlicht: (2024)

Enhancing Hate Speech Detection on Social Media: A Comparative Analysis of Machine Learning Models and Text Transformation Approaches
von: Mishra, Saurabh, et al.
Veröffentlicht: (2026)

Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines
von: Biçici, Ergun
Veröffentlicht: (2024)

NeuralNexus at BEA 2025 Shared Task: Retrieval-Augmented Prompting for Mistake Identification in AI Tutors
von: Naeem, Numaan, et al.
Veröffentlicht: (2025)

Can Large Language Models Grasp Legal Theories? Enhance Legal Reasoning with Insights from Multi-Agent Collaboration
von: Yuan, Weikang, et al.
Veröffentlicht: (2024)

Thought-Like-Pro: Enhancing Reasoning of Large Language Models through Self-Driven Prolog-based Chain-of-Thought
von: Tan, Xiaoyu, et al.
Veröffentlicht: (2024)

Synergy: End-to-end Concept Model
von: Zheng, Keli, et al.
Veröffentlicht: (2025)

Accurate and Energy Efficient: Local Retrieval-Augmented Generation Models Outperform Commercial Large Language Models in Medical Tasks
von: Vrettos, Konstantinos, et al.
Veröffentlicht: (2025)

Lossless Prompt Compression via Dictionary-Encoding and In-Context Learning: Enabling Cost-Effective LLM Analysis of Repetitive Data
von: de Campos, Andresa Rodrigues, et al.
Veröffentlicht: (2026)

Low-Resource Court Judgment Summarization for Common Law Systems
von: Liu, Shuaiqi, et al.
Veröffentlicht: (2024)

Sticker-TTS: Learn to Utilize Historical Experience with a Sticker-driven Test-Time Scaling Framework
von: Chen, Jie, et al.
Veröffentlicht: (2025)

From Reading to Compressing: Exploring the Multi-document Reader for Prompt Compression
von: Choi, Eunseong, et al.
Veröffentlicht: (2024)

NER4all or Context is All You Need: Using LLMs for low-effort, high-performance NER on historical texts. A humanities informed approach
von: Hiltmann, Torsten, et al.
Veröffentlicht: (2025)

Adversarial DPO: Harnessing Harmful Data for Reducing Toxicity with Minimal Impact on Coherence and Evasiveness in Dialogue Agents
von: Kim, San, et al.
Veröffentlicht: (2024)

Dynamic Demonstration Retrieval and Cognitive Understanding for Emotional Support Conversation
von: Xu, Zhe, et al.
Veröffentlicht: (2024)

UniHetero: Could Generation Enhance Understanding for Vision-Language-Model at Large Data Scale?
von: Chen, Fengjiao, et al.
Veröffentlicht: (2025)

Detecting AI-Generated Texts in Cross-Domains
von: Zhou, You, et al.
Veröffentlicht: (2024)