:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Zeping, Ananiadou, Sophia
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2505.16703
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding and Mitigating Gender Bias in LLMs via Interpretable Neuron Editing
von: Yu, Zeping, et al.
Veröffentlicht: (2025)

Neuron-Level Knowledge Attribution in Large Language Models
von: Yu, Zeping, et al.
Veröffentlicht: (2023)

Understanding Multimodal LLMs: the Mechanistic Interpretability of Llava in Visual Question Answering
von: Yu, Zeping, et al.
Veröffentlicht: (2024)

Interpreting Arithmetic Mechanism in Large Language Models through Comparative Neuron Analysis
von: Yu, Zeping, et al.
Veröffentlicht: (2024)

How do Large Language Models Learn In-Context? Query and Key Matrices of In-Context Heads are Two Towers for Metric Learning
von: Yu, Zeping, et al.
Veröffentlicht: (2024)

Back Attention: Understanding and Enhancing Multi-Hop Reasoning in Large Language Models
von: Yu, Zeping, et al.
Veröffentlicht: (2025)

Parameter Alignment Mitigates Catastrophic Forgetting in Multilingual Expert Language Models
von: Ahuja, Sanchit, et al.
Veröffentlicht: (2026)

Emotion Detection for Misinformation: A Review
von: Liu, Zhiwei, et al.
Veröffentlicht: (2023)

Sharpness-Aware Pretraining Mitigates Catastrophic Forgetting
von: Watts, Ishaan, et al.
Veröffentlicht: (2026)

Mitigating Catastrophic Forgetting in Target Language Adaptation of LLMs via Source-Shielded Updates
von: Yamaguchi, Atsuki, et al.
Veröffentlicht: (2025)

Mitigating Catastrophic Forgetting in Continual Learning through Model Growth
von: Süalp, Ege, et al.
Veröffentlicht: (2025)

Break the Checkbox: Challenging Closed-Style Evaluations of Cultural Alignment in LLMs
von: Kabir, Mohsinul, et al.
Veröffentlicht: (2025)

Model-Dowser: Data-Free Importance Probing to Mitigate Catastrophic Forgetting in Multimodal Large Language Models
von: Hwang, Hyeontaek, et al.
Veröffentlicht: (2026)

Evolutionary Strategies lead to Catastrophic Forgetting in LLMs
von: Abdi, Immanuel, et al.
Veröffentlicht: (2026)

Analyzing and Reducing Catastrophic Forgetting in Parameter Efficient Tuning
von: Ren, Weijieying, et al.
Veröffentlicht: (2024)

MMAFFBen: A Multilingual and Multimodal Affective Analysis Benchmark for Evaluating LLMs and VLMs
von: Liu, Zhiwei, et al.
Veröffentlicht: (2025)

Model Tailor: Mitigating Catastrophic Forgetting in Multi-modal Large Language Models
von: Zhu, Didi, et al.
Veröffentlicht: (2024)

Mitigating Catastrophic Forgetting in Mathematical Reasoning Finetuning through Mixed Training
von: Reynolds, John Graham
Veröffentlicht: (2025)

Mitigating Catastrophic Forgetting in Large Language Models with Self-Synthesized Rehearsal
von: Huang, Jianheng, et al.
Veröffentlicht: (2024)

Catastrophic Forgetting in LLMs: A Comparative Analysis Across Language Tasks
von: Haque, Naimul
Veröffentlicht: (2025)

Conditions for Catastrophic Forgetting in Multilingual Translation
von: Liu, Danni, et al.
Veröffentlicht: (2025)

Improved Supervised Fine-Tuning for Large Language Models to Mitigate Catastrophic Forgetting
von: Ding, Fei, et al.
Veröffentlicht: (2025)

More Than Catastrophic Forgetting: Integrating General Capabilities For Domain-Specific LLMs
von: Liu, Chengyuan, et al.
Veröffentlicht: (2024)

Dynamic Orthogonal Continual Fine-tuning for Mitigating Catastrophic Forgettings
von: Zhang, Zhixin, et al.
Veröffentlicht: (2025)

CURLoRA: Stable LLM Continual Fine-Tuning and Catastrophic Forgetting Mitigation
von: Fawi, Muhammad
Veröffentlicht: (2024)

Disentangled VAD Representations via a Variational Framework for Political Stance Detection
von: Xu, Beiyu, et al.
Veröffentlicht: (2025)

Factual consistency evaluation of summarization in the Era of large language models
von: Luo, Zheheng, et al.
Veröffentlicht: (2024)

The Lay Person's Guide to Biomedicine: Orchestrating Large Language Models
von: Luo, Zheheng, et al.
Veröffentlicht: (2024)

Countering Catastrophic Forgetting of Large Language Models for Better Instruction Following via Weight-Space Model Merging
von: Lyu, Mengxian, et al.
Veröffentlicht: (2026)

Activated Parameter Locating via Causal Intervention for Model Merging
von: Kong, Fanshuang, et al.
Veröffentlicht: (2024)

EmoLLMs: A Series of Emotional Large Language Models and Annotation Tools for Comprehensive Affective Analysis
von: Liu, Zhiwei, et al.
Veröffentlicht: (2024)

How to Alleviate Catastrophic Forgetting in LLMs Finetuning? Hierarchical Layer-Wise and Element-Wise Regularization
von: Song, Shezheng, et al.
Veröffentlicht: (2025)

Mitigating Catastrophic Forgetting in Multi-domain Chinese Spelling Correction by Multi-stage Knowledge Transfer Framework
von: Xing, Peng, et al.
Veröffentlicht: (2024)

Balancing Speciality and Versatility: A Coarse to Fine Framework for Mitigating Catastrophic Forgetting in Large Language Models
von: Zhang, Hengyuan, et al.
Veröffentlicht: (2024)

LED-Merging: Mitigating Safety-Utility Conflicts in Model Merging with Location-Election-Disjoint
von: Ma, Qianli, et al.
Veröffentlicht: (2025)

SelfAug: Mitigating Catastrophic Forgetting in Retrieval-Augmented Generation via Distribution Self-Alignment
von: Huang, Yuqing, et al.
Veröffentlicht: (2025)

From n-gram to Attention: How Model Architectures Learn and Propagate Bias in Language Modeling
von: Kabir, Mohsinul, et al.
Veröffentlicht: (2025)

OPLoRA: Orthogonal Projection LoRA Prevents Catastrophic Forgetting during Parameter-Efficient Fine-Tuning
von: Xiong, Yifeng, et al.
Veröffentlicht: (2025)

A Comparative Empirical Study of Catastrophic Forgetting Mitigation in Sequential Task Adaptation for Continual Natural Language Processing Systems
von: Abrahamyan, Aram, et al.
Veröffentlicht: (2026)

Self-Distillation as a Performance Recovery Mechanism for LLMs: Counteracting Compression and Catastrophic Forgetting
von: Liu, Chi, et al.
Veröffentlicht: (2026)