Buchumschlag

Downstream bias mitigation is all you need

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baksi, Arkadeep, Singh, Rahul, Joshi, Tarun
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

Large Language Models aren't all that you need
von: Holla, Kiran Voderhobli, et al.
Veröffentlicht: (2024)

Reddit is all you need: Authorship profiling for Romanian
von: Ştefănescu, Ecaterina, et al.
Veröffentlicht: (2024)

Steps are all you need: Rethinking STEM Education with Prompt Engineering
von: Addala, Krishnasai, et al.
Veröffentlicht: (2024)

Multimodal LLMs are not all you need for Pediatric Speech Language Pathology
von: Fürst, Darren, et al.
Veröffentlicht: (2026)

Knowledge Graphs are all you need: Leveraging KGs in Physics Question Answering
von: Addala, Krishnasai, et al.
Veröffentlicht: (2024)

AUEB-Archimedes at RIRAG-2025: Is obligation concatenation really all you need?
von: Chasandras, Ioannis, et al.
Veröffentlicht: (2024)

Automatic Generation of Behavioral Test Cases For Natural Language Processing Using Clustering and Prompting
von: Li, Ying, et al.
Veröffentlicht: (2024)

Good Parenting is all you need -- Multi-agentic LLM Hallucination Mitigation
von: Kwartler, Ted, et al.
Veröffentlicht: (2024)

Instructions are all you need: Self-supervised Reinforcement Learning for Instruction Following
von: Ren, Qingyu, et al.
Veröffentlicht: (2025)

Cross-Modal Safety Alignment: Is textual unlearning all you need?
von: Chakraborty, Trishna, et al.
Veröffentlicht: (2024)

Collaboration is all you need: LLM Assisted Safe Code Translation
von: Karanjai, Rabimba, et al.
Veröffentlicht: (2025)

Signformer is all you need: Towards Edge AI for Sign Language
von: Yang, Eta
Veröffentlicht: (2024)

Multilingual Natural Language Processing Model for Radiology Reports -- The Summary is all you need!
von: Lindo, Mariana, et al.
Veröffentlicht: (2023)

Camouflage is all you need: Evaluating and Enhancing Language Model Robustness Against Camouflage Adversarial Attacks
von: Huertas-García, Álvaro, et al.
Veröffentlicht: (2024)

Ambiguity is the last thing you need
von: Chivers, Emily, et al.
Veröffentlicht: (2024)

Evaluation is all you need. Prompting Generative Large Language Models for Annotation Tasks in the Social Sciences. A Primer using Open Models
von: Weber, Maximilian, et al.
Veröffentlicht: (2023)

Are you sure? Measuring models bias in content moderation through uncertainty
von: Urbinati, Alessandra, et al.
Veröffentlicht: (2025)

Propaganda is all you need
von: Kronlund-Drouault, Paul
Veröffentlicht: (2024)

Can SAEs reveal and mitigate racial biases of LLMs in healthcare?
von: Ahsan, Hiba, et al.
Veröffentlicht: (2025)

100 instances is all you need: predicting the success of a new LLM on unseen data by testing on a few instances
von: Pacchiardi, Lorenzo, et al.
Veröffentlicht: (2024)

An accurate detection is not all you need to combat label noise in web-noisy datasets
von: Albert, Paul, et al.
Veröffentlicht: (2024)

Let your LLM generate a few tokens and you will reduce the need for retrieval
von: Déjean, Hervé
Veröffentlicht: (2024)

Discernment is all you need
von: Fuenmayor, David
Veröffentlicht: (2026)

Hindi-BEIR : A Large Scale Retrieval Benchmark in Hindi
von: Acharya, Arkadeep, et al.
Veröffentlicht: (2024)

Benchmarking and Building Zero-Shot Hindi Retrieval Model with Hindi-BEIR and NLLB-E5
von: Acharya, Arkadeep, et al.
Veröffentlicht: (2024)

Does Welsh media need a review? Detecting bias in Nation.Cymru's political reporting
von: Parry-Jones, Cai
Veröffentlicht: (2026)

Kolmogorov GAM Networks are all you need!
von: Polson, Sarah, et al.
Veröffentlicht: (2025)

Towards Visually-Guided Movie Subtitle Translation for Indic Languages
von: Chintada, Tarun, et al.
Veröffentlicht: (2026)

Toxicity Detection is NOT all you Need: Measuring the Gaps to Supporting Volunteer Content Moderators
von: Cao, Yang Trista, et al.
Veröffentlicht: (2023)

Downstream Trade-offs of a Family of Text Watermarks
von: Ajith, Anirudh, et al.
Veröffentlicht: (2023)

Are Paralinguistic Representations all that is needed for Speech Emotion Recognition?
von: Phukan, Orchid Chetia, et al.
Veröffentlicht: (2024)

Instability in Downstream Task Performance During LLM Pretraining
von: Nishida, Yuto, et al.
Veröffentlicht: (2025)

Human-Calibrated Automated Testing and Validation of Generative Language Models
von: Sudjianto, Agus, et al.
Veröffentlicht: (2024)

Addressing speaker gender bias in large scale speech translation systems
von: Bansal, Shubham, et al.
Veröffentlicht: (2025)

Image compositing is all you need for data augmentation
von: Shermaine, Ang Jia Ning, et al.
Veröffentlicht: (2025)

An Evaluation of Sindhi Word Embedding in Semantic Analogies and Downstream Tasks
von: Ali, Wazir, et al.
Veröffentlicht: (2024)

Edit Distances and Their Applications to Downstream Tasks in Research and Commercial Contexts
von: Carmo, Félix do, et al.
Veröffentlicht: (2024)

Measuring the Effect of Transcription Noise on Downstream Language Understanding Tasks
von: Shapira, Ori, et al.
Veröffentlicht: (2025)

Exploring the Frontier of Vision-Language Models: A Survey of Current Methodologies and Future Directions
von: Ghosh, Akash, et al.
Veröffentlicht: (2024)

All That Glitters is Not Novel: Plagiarism in AI Generated Research
von: Gupta, Tarun, et al.
Veröffentlicht: (2025)