Buchumschlag

CLIPPER: Compression enables long-context synthetic data generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pham, Chau Minh, Chang, Yapei, Iyyer, Mohit
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Argument Collapse: LLMs Flatten Long-Form Public Debate
von: Kim, Yekyung, et al.
Veröffentlicht: (2026)

Frankentext: Stitching random text fragments into long-form narratives
von: Pham, Chau Minh, et al.
Veröffentlicht: (2025)

Recovering Diversity Without Losing Alignment: A DPO Recipe for Post-Trained LLMs
von: Samuel, Vinay, et al.
Veröffentlicht: (2026)

BEARCUBS: A benchmark for computer-using web agents
von: Song, Yixiao, et al.
Veröffentlicht: (2025)

Suri: Multi-constraint Instruction Following for Long-form Text Generation
von: Pham, Chau Minh, et al.
Veröffentlicht: (2024)

Whose story is it? Personalizing story generation by inferring author styles
von: Kumar, Nischal Ashok, et al.
Veröffentlicht: (2025)

BooookScore: A systematic exploration of book-length summarization in the era of LLMs
von: Chang, Yapei, et al.
Veröffentlicht: (2023)

VERISCORE: Evaluating the factuality of verifiable claims in long-form text generation
von: Song, Yixiao, et al.
Veröffentlicht: (2024)

TopicGPT: A Prompt-based Topic Modeling Framework
von: Pham, Chau Minh, et al.
Veröffentlicht: (2023)

StoryScope: Investigating idiosyncrasies in AI fiction
von: Russell, Jenna, et al.
Veröffentlicht: (2026)

One ruler to measure them all: Benchmarking multilingual long-context language models
von: Kim, Yekyung, et al.
Veröffentlicht: (2025)

PostMark: A Robust Blackbox Watermark for Large Language Models
von: Chang, Yapei, et al.
Veröffentlicht: (2024)

Does quantization affect models' performance on long-context tasks?
von: Mekala, Anmol, et al.
Veröffentlicht: (2025)

One Thousand and One Pairs: A "novel" challenge for long-context language models
von: Karpinska, Marzena, et al.
Veröffentlicht: (2024)

OWL: Probing Cross-Lingual Recall of Memorized Texts via World Literature
von: Srivastava, Alisha, et al.
Veröffentlicht: (2025)

Interactive Topic Models with Optimal Transport
von: Dhanania, Garima, et al.
Veröffentlicht: (2024)

Literary Evidence Retrieval via Long-Context Language Models
von: Thai, Katherine, et al.
Veröffentlicht: (2025)

People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
von: Russell, Jenna, et al.
Veröffentlicht: (2025)

BLEUBERI: BLEU is a surprisingly effective reward for instruction following
von: Chang, Yapei, et al.
Veröffentlicht: (2025)

FABLES: Evaluating faithfulness and content selection in book-length summarization
von: Kim, Yekyung, et al.
Veröffentlicht: (2024)

VeriFastScore: Speeding up long-form factuality evaluation
von: Rajendhran, Rishanth, et al.
Veröffentlicht: (2025)

Beyond Precision: Importance-Aware Recall for Factuality Evaluation in Long-Form LLM Generation
von: Jafari, Nazanin, et al.
Veröffentlicht: (2026)

EditLens: Quantifying the Extent of AI Editing in Text
von: Thai, Katherine, et al.
Veröffentlicht: (2025)

Localizing and Mitigating Errors in Long-form Question Answering
von: Sachdeva, Rachneet, et al.
Veröffentlicht: (2024)

How2Everything: Mining the Web for How-To Procedures to Evaluate and Improve LLMs
von: Chang, Yapei, et al.
Veröffentlicht: (2026)

Contextualized Evaluations: Judging Language Model Responses to Underspecified Queries
von: Malaviya, Chaitanya, et al.
Veröffentlicht: (2024)

CaLMQA: Exploring culturally specific long-form question answering across 23 languages
von: Arora, Shane, et al.
Veröffentlicht: (2024)

Iteratively Prompting Multimodal LLMs to Reproduce Natural and AI-Generated Images
von: Naseh, Ali, et al.
Veröffentlicht: (2024)

Neural spell-checker: Beyond words with synthetic data generation
von: Klemen, Matej, et al.
Veröffentlicht: (2024)

AI use in American newspapers is widespread, uneven, and rarely disclosed
von: Russell, Jenna, et al.
Veröffentlicht: (2025)

Employing Label Models on ChatGPT Answers Improves Legal Text Entailment Performance
von: Nguyen, Chau, et al.
Veröffentlicht: (2024)

Zero-shot generation of synthetic neurosurgical data with large language models
von: Barr, Austin A., et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Suicide Detection on Social Media with Limited Labels
von: Nguyen, Vy, et al.
Veröffentlicht: (2024)

Training data generation for context-dependent rubric-based short answer grading
von: Šindelář, Pavel, et al.
Veröffentlicht: (2026)

synthocr-gen: A synthetic ocr dataset generator for low-resource languages- breaking the data barrier
von: Malik, Haq Nawaz, et al.
Veröffentlicht: (2026)

LLMCARE: early detection of cognitive impairment via transformer models enhanced by LLM-generated synthetic data
von: Zolnour, Ali, et al.
Veröffentlicht: (2025)

ICPC: In-context Prompt Compression with Faster Inference
von: Yu, Ziyang, et al.
Veröffentlicht: (2025)

Can LLMs reason over extended multilingual contexts? Towards long-context evaluation beyond retrieval and haystacks
von: Hengle, Amey, et al.
Veröffentlicht: (2025)

How much do contextualized representations encode long-range context?
von: Sun, Simeng, et al.
Veröffentlicht: (2024)

Generative adversarial networks vs large language models: a comparative study on synthetic tabular data generation
von: Barr, Austin A., et al.
Veröffentlicht: (2025)