Buchumschlag

Weak-to-Strong Generalization Through the Data-Centric Lens

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shin, Changho, Cooper, John, Sala, Frederic
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-Shot Robustification of Zero-Shot Models
von: Adila, Dyah, et al.
Veröffentlicht: (2023)

OTTER: Effortless Label Distribution Adaptation of Zero-shot Models
von: Shin, Changho, et al.
Veröffentlicht: (2024)

CARE: Confounder-Aware Aggregation for Reliable LLM Evaluation
von: Zhao, Jitian, et al.
Veröffentlicht: (2026)

Evaluating Sample Utility for Efficient Data Selection by Mimicking Model Weights
von: Huang, Tzu-Heng, et al.
Veröffentlicht: (2025)

Quantifying the Gain in Weak-to-Strong Generalization
von: Charikar, Moses, et al.
Veröffentlicht: (2024)

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Generalizing Trust: Weak-to-Strong Trustworthiness in Language Models
von: Pawelczyk, Martin, et al.
Veröffentlicht: (2024)

Representations Shape Weak-to-Strong Generalization: Theoretical Insights and Empirical Predictions
von: Xue, Yihao, et al.
Veröffentlicht: (2025)

MoRe Fine-Tuning with 10x Fewer Parameters
von: Tan, Wenxuan, et al.
Veröffentlicht: (2024)

COSMOS: Predictable and Cost-Effective Adaptation of LLMs
von: Wang, Jiayu, et al.
Veröffentlicht: (2025)

SF(DA)$^2$: Source-free Domain Adaptation Through the Lens of Data Augmentation
von: Hwang, Uiwon, et al.
Veröffentlicht: (2024)

Mixture of Weak & Strong Experts on Graphs
von: Zeng, Hanqing, et al.
Veröffentlicht: (2023)

Evaluating Language Model Context Windows: A "Working Memory" Test and Inference-time Correction
von: Dsouza, Amanda, et al.
Veröffentlicht: (2024)

Personalize Your LLM: Fake it then Align it
von: Zhang, Yijing, et al.
Veröffentlicht: (2025)

Time Series Forecasting Through the Lens of Dynamics
von: Brachet, Alexis-Raja, et al.
Veröffentlicht: (2025)

Time To Impeach LLM-as-a-Judge: Programs are the Future of Evaluation
von: Huang, Tzu-Heng, et al.
Veröffentlicht: (2025)

Bayesian WeakS-to-Strong from Text Classification to Generation
von: Cui, Ziyun, et al.
Veröffentlicht: (2024)

Improving Generalization of Neural Vehicle Routing Problem Solvers Through the Lens of Model Architecture
von: Xiao, Yubin, et al.
Veröffentlicht: (2024)

Age Predictors Through the Lens of Generalization, Bias Mitigation, and Interpretability: Reflections on Causal Implications
von: Paul, Debdas, et al.
Veröffentlicht: (2026)

Revisiting Weak-to-Strong Generalization in Theory and Practice: Reverse KL vs. Forward KL
von: Yao, Wei, et al.
Veröffentlicht: (2025)

Data Curation Through the Lens of Spectral Dynamics: Static Limits, Dynamic Acceleration, and Practical Oracles
von: Zhang, Yizhou, et al.
Veröffentlicht: (2025)

Emergent and Subliminal Misalignment Through the Lens of Data-Mediated Transfer
von: Askin, Baris, et al.
Veröffentlicht: (2026)

GPT-2 Through the Lens of Vector Symbolic Architectures
von: Knittel, Johannes, et al.
Veröffentlicht: (2024)

Who's the (Multi-)Fairest of Them All: Rethinking Interpolation-Based Data Augmentation Through the Lens of Multicalibration
von: Halevy, Karina, et al.
Veröffentlicht: (2024)

Quantifying Structure in CLIP Embeddings: A Statistical Framework for Concept Interpretation
von: Zhao, Jitian, et al.
Veröffentlicht: (2025)

Reframing Data Value for Large Language Models Through the Lens of Plausibility
von: Rammal, Mohamad Rida, et al.
Veröffentlicht: (2024)

The ALCHEmist: Automated Labeling 500x CHEaper Than LLM Data Annotators
von: Huang, Tzu-Heng, et al.
Veröffentlicht: (2024)

Laplace Sample Information: Data Informativeness Through a Bayesian Lens
von: Kaiser, Johannes, et al.
Veröffentlicht: (2025)

WST: Weak-to-Strong Knowledge Transfer via Reinforcement Learning
von: Ge, Haosen, et al.
Veröffentlicht: (2025)

When to Trust the Cheap Check: Weak and Strong Verification for Reasoning
von: Kiyani, Shayan, et al.
Veröffentlicht: (2026)

Learning from Less: Measuring the Effectiveness of RLVR in Low Data and Compute Regimes
von: Bauer, Justin, et al.
Veröffentlicht: (2026)

Is Free Self-Alignment Possible?
von: Adila, Dyah, et al.
Veröffentlicht: (2024)

Promises and Pitfalls of Threshold-based Auto-labeling
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2022)

Data-Centric Interpretability for LLM-based Multi-Agent Reinforcement Learning
von: Yan, John, et al.
Veröffentlicht: (2026)

DataMaster: Data-Centric Autonomous AI Research
von: Du, Yaxin, et al.
Veröffentlicht: (2026)

From Data-Centric to Sample-Centric: Enhancing LLM Reasoning via Progressive Optimization
von: Chen, Xinjie, et al.
Veröffentlicht: (2025)

R&B: Domain Regrouping and Data Mixture Balancing for Efficient Foundation Model Training
von: Ge, Albert, et al.
Veröffentlicht: (2025)

On the Sparsity of the Strong Lottery Ticket Hypothesis
von: Natale, Emanuele, et al.
Veröffentlicht: (2024)

Towards Data-Centric AI: A Comprehensive Survey of Traditional, Reinforcement, and Generative Approaches for Tabular Data Transformation
von: Wang, Dongjie, et al.
Veröffentlicht: (2025)

Multiple Weaks Win Single Strong: Large Language Models Ensemble Weak Reinforcement Learning Agents into a Supreme One
von: Song, Yiwen, et al.
Veröffentlicht: (2025)