Buchumschlag

GneissWeb: Preparing High Quality Data for LLMs at Scale

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gohari, Hajar Emami, Kadhe, Swanand Ravindra, Shah, Syed Yousaf, Adam, Constantin, Adebayo, Abdulhamid, Adusumilli, Praneet, Ahmed, Farhan, Angel, Nathalie Baracaldo, Borse, Santosh Subhashrao, Chang, Yuan-Chi, Dang, Xuan-Hong, Desai, Nirmit, Eres, Revital, Iwamoto, Ran, Karve, Alexei, Koyfman, Yan, Lee, Wei-Han, Liu, Changchang, Lublinsky, Boris, Ohko, Takuyo, Pesce, Pablo, Touma, Maroun, Wang, Shiqiang, Witherspoon, Shalisha, Woisetschläger, Herbert, Wood, David, Wu, Kun-Lung, Yoshida, Issei, Zawad, Syed, Zerfos, Petros, Zhou, Yi, Bhattacharjee, Bishwaranjan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SafeMERGE: Preserving Safety Alignment in Fine-Tuned Large Language Models via Selective Layer-Wise Model Merging
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

Fixing It in Post: A Comparative Study of LLM Post-Training Data Quality and Model Performance
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

TSR: Trajectory-Search Rollouts for Multi-Turn RL of LLM Agents
von: Djuhera, Aladin, et al.
Veröffentlicht: (2026)

When Data is the Algorithm: A Systematic Study and Curation of Preference Optimization Datasets
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

SafeCOMM: A Study on Safety Degradation in Fine-Tuned Telecom Large Language Models
von: Djuhera, Aladin, et al.
Veröffentlicht: (2025)

Data-Prep-Kit: getting your data ready for LLM application development
von: Wood, David, et al.
Veröffentlicht: (2024)

Know When To Fold 'Em: Token-Efficient LLM Synthetic Data Generation via Multi-Stage In-Flight Rejection
von: Chowdhury, Anjir Ahmed, et al.
Veröffentlicht: (2026)

Towards a Re-evaluation of Data Forging Attacks in Practice
von: Suliman, Mohamed, et al.
Veröffentlicht: (2024)

Evaluating the Dynamics of Membership Privacy in Deep Learning
von: Chen, Yuetian, et al.
Veröffentlicht: (2025)

STaD: Scaffolded Task Design for Identifying Compositional Skill Gaps in LLMs
von: An, Sungeun, et al.
Veröffentlicht: (2026)

Split, Unlearn, Merge: Leveraging Data Attributes for More Effective Unlearning in LLMs
von: Kadhe, Swanand Ravindra, et al.
Veröffentlicht: (2024)

Membership Inference Attacks as Privacy Tools: Reliability, Disparity and Ensemble
von: Wang, Zhiqi, et al.
Veröffentlicht: (2025)

PPFS: Predictive Permutation Feature Selection
von: Hassan, Atif, et al.
Veröffentlicht: (2021)

Turning Generative Models Degenerate: The Power of Data Poisoning Attacks
von: Jiang, Shuli, et al.
Veröffentlicht: (2024)

In-Context Probing for Membership Inference in Fine-Tuned Language Models
von: Lu, Zhexi, et al.
Veröffentlicht: (2025)

You've Got to be Efficient: Ambiguity, Misspecification and Variational Preferences
von: Adusumilli, Karun
Veröffentlicht: (2026)

Continuous time asymptotic representations for adaptive experiments
von: Adusumilli, Karun
Veröffentlicht: (2026)

How to sample and when to stop sampling: The generalized Wald problem and minimax policies
von: Adusumilli, Karun
Veröffentlicht: (2022)

Risk and optimal policies in bandit experiments
von: Adusumilli, Karun
Veröffentlicht: (2021)

Evolutionary Novelties in Bacteria and the Missing Backdrop of the Environment
von: Shraddha Karve
Veröffentlicht: (2025)

PEML: Parameter-efficient Multi-Task Learning with Optimized Continuous Prompts
von: Chowdhury, Anjir Ahmed, et al.
Veröffentlicht: (2026)

AgentSCOPE: Evaluating Contextual Privacy Across Agentic Workflows
von: Ngong, Ivoline C., et al.
Veröffentlicht: (2026)

Tool Forge: A Validation-Carrying Toolchain for Governed Agentic Execution
von: Rao, Swanand
Veröffentlicht: (2026)

The Dirac Delta as a Singular Potential for the 2D Schrodinger Equation
von: Maroun, Michael
Veröffentlicht: (2023)

The Energy Eigenvalue for the Singular Wave Function of the Three Dimensional Dirac Delta Schrodinger Potential via Distributionally Generalized Quantum Mechanics
von: Maroun, Michael
Veröffentlicht: (2021)

Relación entre dopamina e insulina en sujetos sanos y diabeticos tipo 2
von: Charbel Maroun
Veröffentlicht: (2006)

Protecting Users From Themselves: Safeguarding Contextual Privacy in Interactions with Conversational Agents
von: Ngong, Ivoline, et al.
Veröffentlicht: (2025)

Against the Monolithic Wireless World Model: Why NextG Needs Composable and Agentic Intelligence
von: Djuhera, Aladin, et al.
Veröffentlicht: (2026)

Language and Art in the Navajo Universe
von: Witherspoon, Gary
Veröffentlicht: (2025)

Asplenium X kentuckiense on Granitic Gneiss in Georgia
von: Duncan, Wilbur H. (Wilbur Howard)
Veröffentlicht: (1966)

Sakai-Sugimoto Model in an Off-Shell: Chiral Lagrangian to All Orders
von: Lublinsky, Michael, et al.
Veröffentlicht: (2025)

Leitura em língua estrangeira: entre o ensino médio e o vestibular
von: Gretel Eres Fernández
Veröffentlicht: (2006)

Roberto Romero Sandoval (ed.), Cuevas y cenotes mayas; una mirada multidisciplinaria. México: Universidad Nacional Autónoma de México, Instituto de Investigaciones Filológicas, Centro de Estudios Mayas, 2016, 195 pp.
von: Ana Somohano Eres
Veröffentlicht: (2017)

A HISTÓRIA DE UM DICIONÁRIO BILÍNGÜE
von: Gretel Eres Fernández
Veröffentlicht: (2006)

Agentic Performance at the Edge: Insights from Benchmarking
von: Wang, Shiqiang, et al.
Veröffentlicht: (2026)

SIGN: Schema-Induced Games for Naming
von: Zhang, Ryan, et al.
Veröffentlicht: (2025)

Efficient Models for the Detection of Hate, Abuse and Profanity
von: Tillmann, Christoph, et al.
Veröffentlicht: (2024)

Designing Persuasive Experiments
von: Adusumilli, Karun, et al.
Veröffentlicht: (2026)

A Dense and Efficient Instruction Set Architecture Encoding
von: Maroun, Emad Jacob
Veröffentlicht: (2025)

Authorship and Digital Fingerprint Record — Book: How to Break into a Competitive Market
von: Rajab, Abdulhamid
Veröffentlicht: (2026)