Buchumschlag

Mind the Gap: Conformative Decoding to Improve Output Diversity of Instruction-Tuned Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peeperkorn, Max, Kouwenhoven, Tom, Brown, Dan, Jordanous, Anna
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

Is Temperature the Creativity Parameter of Large Language Models?
von: Peeperkorn, Max, et al.
Veröffentlicht: (2024)

Searching for Structure: Investigating Emergent Communication with Large Language Models
von: Kouwenhoven, Tom, et al.
Veröffentlicht: (2024)

Shaping Shared Languages: Human and Large Language Models' Inductive Biases in Emergent Communication
von: Kouwenhoven, Tom, et al.
Veröffentlicht: (2025)

Mind the Gap: Bridging Thought Leap for Improved Chain-of-Thought Tuning
von: Xu, Haolei, et al.
Veröffentlicht: (2025)

Conformity in Large Language Models
von: Zhu, Xiaochen, et al.
Veröffentlicht: (2024)

Improving Linguistic Diversity of Large Language Models with Possibility Exploration Fine-Tuning
von: Mai, Long, et al.
Veröffentlicht: (2024)

The Curious Case of Representational Alignment: Unravelling Visio-Linguistic Tasks in Emergent Communication
von: Kouwenhoven, Tom, et al.
Veröffentlicht: (2024)

DolphCoder: Echo-Locating Code Large Language Models with Diverse and Multi-Objective Instruction Tuning
von: Wang, Yejie, et al.
Veröffentlicht: (2024)

Semantic-guided Diverse Decoding for Large Language Model
von: Shi, Weijie, et al.
Veröffentlicht: (2025)

Phased Instruction Fine-Tuning for Large Language Models
von: Pang, Wei, et al.
Veröffentlicht: (2024)

Investigating Instruction Tuning Large Language Models on Graphs
von: Zhu, Kerui, et al.
Veröffentlicht: (2024)

Mind the Confidence Gap: Overconfidence, Calibration, and Distractor Effects in Large Language Models
von: Chhikara, Prateek
Veröffentlicht: (2025)

GraphGPT: Graph Instruction Tuning for Large Language Models
von: Tang, Jiabin, et al.
Veröffentlicht: (2023)

Towards Robust Instruction Tuning on Multimodal Large Language Models
von: Han, Wei, et al.
Veröffentlicht: (2024)

OctoPack: Instruction Tuning Code Large Language Models
von: Muennighoff, Niklas, et al.
Veröffentlicht: (2023)

Optimizing Psychological Counseling with Instruction-Tuned Large Language Models
von: Li, Wenjie, et al.
Veröffentlicht: (2024)

COFT: Counterfactual-Conformal Decoding for Fair Chain-of-Thought Reasoning in Large Language Models
von: Fayyazi, Arya, et al.
Veröffentlicht: (2026)

DELIA: Diversity-Enhanced Learning for Instruction Adaptation in Large Language Models
von: Zeng, Yuanhao, et al.
Veröffentlicht: (2024)

BioInstruct: Instruction Tuning of Large Language Models for Biomedical Natural Language Processing
von: Tran, Hieu, et al.
Veröffentlicht: (2023)

Instruction Mining: Instruction Data Selection for Tuning Large Language Models
von: Cao, Yihan, et al.
Veröffentlicht: (2023)

The Outputs of Large Language Models are Meaningless
von: Hattiangadi, Anandi, et al.
Veröffentlicht: (2025)

Group-Aware Reinforcement Learning for Output Diversity in Large Language Models
von: Anschel, Oron, et al.
Veröffentlicht: (2025)

LARFT: Closing the Cognition-Action Gap for Length Instruction Following in Large Language Models
von: Zhang, Wei, et al.
Veröffentlicht: (2026)

Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian
von: Nikolich, Aleksandr, et al.
Veröffentlicht: (2024)

Graph-oriented Instruction Tuning of Large Language Models for Generic Graph Mining
von: Tan, Yanchao, et al.
Veröffentlicht: (2024)

Toward Graph-Tokenizing Large Language Models with Reconstructive Graph Instruction Tuning
von: Zhang, Zhongjian, et al.
Veröffentlicht: (2026)

Instruction Tuning for Large Language Models: A Survey
von: Zhang, Shengyu, et al.
Veröffentlicht: (2023)

Bridging Writing Manner Gap in Visual Instruction Tuning by Creating LLM-aligned Instructions
von: Jing, Dong, et al.
Veröffentlicht: (2025)

CommonIT: Commonality-Aware Instruction Tuning for Large Language Models via Data Partitions
von: Rao, Jun, et al.
Veröffentlicht: (2024)

Unveiling the Impact of Coding Data Instruction Fine-Tuning on Large Language Models Reasoning
von: Zhang, Xinlu, et al.
Veröffentlicht: (2024)

Federated Data-Efficient Instruction Tuning for Large Language Models
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

Emovectors: assessing emotional content in jazz improvisations for creativity evaluation
von: Jordanous, Anna
Veröffentlicht: (2025)

Token Constraint Decoding Improves Robustness on Question Answering for Large Language Models
von: Yao, Jui-Ming, et al.
Veröffentlicht: (2025)

DeAL: Decoding-time Alignment for Large Language Models
von: Huang, James Y., et al.
Veröffentlicht: (2024)

Decoding the Mind of Large Language Models: A Quantitative Evaluation of Ideology and Biases
von: Hirose, Manari, et al.
Veröffentlicht: (2025)

Taiyi: A Bilingual Fine-Tuned Large Language Model for Diverse Biomedical Tasks
von: Luo, Ling, et al.
Veröffentlicht: (2023)

SwitchCIT: Switching for Continual Instruction Tuning
von: Wu, Xinbo, et al.
Veröffentlicht: (2024)

Constraint Back-translation Improves Complex Instruction Following of Large Language Models
von: Qi, Yunjia, et al.
Veröffentlicht: (2024)

Log Probabilities Are a Reliable Estimate of Semantic Plausibility in Base and Instruction-Tuned Language Models
von: Kauf, Carina, et al.
Veröffentlicht: (2024)

Is It Good Data for Multilingual Instruction Tuning or Just Bad Multilingual Evaluation for Large Language Models?
von: Chen, Pinzhen, et al.
Veröffentlicht: (2024)