:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Jia, Liu, Yao, Zhang, Chen-Xi, Liu, Yi, Jin, Yi-Xuan, Guo, Lan-Zhe, Li, Yu-Feng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2508.07638
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

D3: Diversity, Difficulty, and Dependability-Aware Data Selection for Sample-Efficient LLM Instruction Tuning
von: Zhang, Jia, et al.
Veröffentlicht: (2025)

Contrast-Aware Calibration for Fine-Tuned CLIP: Leveraging Image-Text Alignment
von: Lv, Song-Lin, et al.
Veröffentlicht: (2025)

LearnAlign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment
von: Li, Shipeng, et al.
Veröffentlicht: (2025)

Less is More: Improving LLM Alignment via Preference Data Selection
von: Deng, Xun, et al.
Veröffentlicht: (2025)

Data-Centric Human Preference with Rationales for Direct Preference Alignment
von: Just, Hoang Anh, et al.
Veröffentlicht: (2024)

Vision-Language Model Selection and Reuse for Downstream Adaptation
von: Tan, Hao-Zhe, et al.
Veröffentlicht: (2025)

Realistic Evaluation of TabPFN v2 in Open Environments
von: Cheng, Zi-Jian, et al.
Veröffentlicht: (2025)

TabFSBench: Tabular Benchmark for Feature Shifts in Open Environments
von: Cheng, Zi-Jian, et al.
Veröffentlicht: (2025)

ProDS: Preference-oriented Data Selection for Instruction Tuning
von: Guo, Wenya, et al.
Veröffentlicht: (2025)

Fine-Grained GRPO for Precise Preference Alignment in Flow Models
von: Zhou, Yujie, et al.
Veröffentlicht: (2025)

Reward-Augmented Data Enhances Direct Preference Alignment of LLMs
von: Zhang, Shenao, et al.
Veröffentlicht: (2024)

Adversarial Preference Learning for Robust LLM Alignment
von: Wang, Yuanfu, et al.
Veröffentlicht: (2025)

PRISM: Preference-Aware Influence Function Based Data Selection Method for Efficient Fine-Tuning
von: Lin, Qihao, et al.
Veröffentlicht: (2026)

Stackelberg Self-Annotation: A Robust Approach to Data-Efficient LLM Alignment
von: Chu, Xu, et al.
Veröffentlicht: (2025)

Difficulty-Based Preference Data Selection by DPO Implicit Reward Gap
von: Qi, Xuan, et al.
Veröffentlicht: (2025)

LLM-VA: Resolving the Jailbreak-Overrefusal Trade-off via Vector Alignment
von: Zhang, Haonan, et al.
Veröffentlicht: (2026)

Sentence-level Reward Model can Generalize Better for Aligning LLM from Human Preference
von: Qiu, Wenjie, et al.
Veröffentlicht: (2025)

An Optimization Algorithm for Multimodal Data Alignment
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Fully Test-time Adaptation for Tabular Data
von: Zhou, Zhi, et al.
Veröffentlicht: (2024)

TRACE: Distilling Where It Matters via Token-Routed Self On-Policy Alignment
von: Wang, Jiaxuan, et al.
Veröffentlicht: (2026)

PAL: Pluralistic Alignment Framework for Learning from Heterogeneous Preferences
von: Chen, Daiwei, et al.
Veröffentlicht: (2024)

GRAPE: Generalizing Robot Policy via Preference Alignment
von: Zhang, Zijian, et al.
Veröffentlicht: (2024)

A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reasoning
von: Zhou, Zhi, et al.
Veröffentlicht: (2025)

Directly Aligning the Full Diffusion Trajectory with Fine-Grained Human Preference
von: Shen, Xiangwei, et al.
Veröffentlicht: (2025)

One Algorithm, Two Goals: Dual Scoring for Parameter and Data Selection in LLM Fine-Tuning
von: Chen, Xinrui, et al.
Veröffentlicht: (2026)

ProteinOPD: Towards Effective and Efficient Preference Alignment for Protein Design
von: Zhang, Yulin, et al.
Veröffentlicht: (2026)

Nearly Optimal Active Preference Learning and Its Application to LLM Alignment
von: Zhao, Yao, et al.
Veröffentlicht: (2026)

Greedy Information Projection for LLM Data Selection
von: Dong, Victor Ye, et al.
Veröffentlicht: (2026)

MallowsPO: Fine-Tune Your LLM with Preference Dispersions
von: Chen, Haoxian, et al.
Veröffentlicht: (2024)

Data Difficulty and the Generalization--Extrapolation Tradeoff in LLM Fine-Tuning
von: Liu, Siyuan, et al.
Veröffentlicht: (2026)

TeamTR: Trust-Region Fine-Tuning for Multi-Agent LLM Coordination
von: Xie, Yi, et al.
Veröffentlicht: (2026)

Towards Understanding Valuable Preference Data for Large Language Model Alignment
von: Zhang, Zizhuo, et al.
Veröffentlicht: (2025)

Q-Adapter: Customizing Pre-trained LLMs to New Preferences with Forgetting Mitigation
von: Li, Yi-Chen, et al.
Veröffentlicht: (2024)

QuietPaw: Learning Quadrupedal Locomotion with Versatile Noise Preference Alignment
von: Zhang, Yuyou, et al.
Veröffentlicht: (2025)

Double-I Watermark: Protecting Model Copyright for LLM Fine-tuning
von: Li, Shen, et al.
Veröffentlicht: (2024)

Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning
von: Zhou, Zhi, et al.
Veröffentlicht: (2025)

Weakly Supervised Anomaly Detection via Knowledge-Data Alignment
von: Zhao, Haihong, et al.
Veröffentlicht: (2024)

Bridging the Gap Between Preference Alignment and Machine Unlearning
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

BoostLLM: Boosting-inspired LLM Fine-tuning for Few-shot Tabular Classification
von: Wang, Yi-Siang, et al.
Veröffentlicht: (2026)

Selection of LLM Fine-Tuning Data based on Orthogonal Rules
von: Li, Xiaomin, et al.
Veröffentlicht: (2024)