Contrastive Decoding for Synthetic Data Generation in Low-Resource Language Modeling
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ulm, Jannek, Du, Kevin, Snæbjarnarson, Vésteinn |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Gumbel Counterfactual Generation From Language Models
par: Ravfogel, Shauli, et autres
Publié: (2024)
par: Ravfogel, Shauli, et autres
Publié: (2024)
Activation Scaling for Steering and Interpreting Language Models
par: Stoehr, Niklas, et autres
Publié: (2024)
par: Stoehr, Niklas, et autres
Publié: (2024)
TharuChat: Bootstrapping Large Language Models for a Low-Resource Language via Synthetic Data and Human Validation
par: Panth, Prajwal, et autres
Publié: (2026)
par: Panth, Prajwal, et autres
Publié: (2026)
LoQT: Low-Rank Adapters for Quantized Pretraining
par: Loeschcke, Sebastian, et autres
Publié: (2024)
par: Loeschcke, Sebastian, et autres
Publié: (2024)
Active Layer-Contrastive Decoding Reduces Hallucination in Large Language Model Generation
par: Zhang, Hongxiang, et autres
Publié: (2025)
par: Zhang, Hongxiang, et autres
Publié: (2025)
Better as Generators Than Classifiers: Leveraging LLMs and Synthetic Data for Low-Resource Multilingual Classification
par: Pecher, Branislav, et autres
Publié: (2026)
par: Pecher, Branislav, et autres
Publié: (2026)
ConLID: Supervised Contrastive Learning for Low-Resource Language Identification
par: Foroutan, Negar, et autres
Publié: (2025)
par: Foroutan, Negar, et autres
Publié: (2025)
Dependency Parsing Across the Resource Spectrum: Evaluating Architectures on High and Low-Resource Languages
par: Guan, Kevin, et autres
Publié: (2026)
par: Guan, Kevin, et autres
Publié: (2026)
LexC-Gen: Generating Data for Extremely Low-Resource Languages with Large Language Models and Bilingual Lexicons
par: Yong, Zheng-Xin, et autres
Publié: (2024)
par: Yong, Zheng-Xin, et autres
Publié: (2024)
DoLa: Decoding by Contrasting Layers Improves Factuality in Large Language Models
par: Chuang, Yung-Sung, et autres
Publié: (2023)
par: Chuang, Yung-Sung, et autres
Publié: (2023)
Distillation Contrastive Decoding: Improving LLMs Reasoning with Contrastive Decoding and Distillation
par: Phan, Phuc, et autres
Publié: (2024)
par: Phan, Phuc, et autres
Publié: (2024)
BARE: Leveraging Base Language Models for Few-Shot Synthetic Data Generation
par: Zhu, Alan, et autres
Publié: (2025)
par: Zhu, Alan, et autres
Publié: (2025)
DiffLM: Controllable Synthetic Data Generation via Diffusion Language Models
par: Zhou, Ying, et autres
Publié: (2024)
par: Zhou, Ying, et autres
Publié: (2024)
Text2Data: Low-Resource Data Generation with Textual Control
par: Wang, Shiyu, et autres
Publié: (2024)
par: Wang, Shiyu, et autres
Publié: (2024)
Kakugo: Distillation of Low-Resource Languages into Small Language Models
par: Devine, Peter, et autres
Publié: (2026)
par: Devine, Peter, et autres
Publié: (2026)
Fill In The Gaps: Model Calibration and Generalization with Synthetic Data
par: Ba, Yang, et autres
Publié: (2024)
par: Ba, Yang, et autres
Publié: (2024)
A Multi-Faceted Evaluation Framework for Assessing Synthetic Data Generated by Large Language Models
par: Yuan, Yefeng, et autres
Publié: (2024)
par: Yuan, Yefeng, et autres
Publié: (2024)
Socially Aware Synthetic Data Generation for Suicidal Ideation Detection Using Large Language Models
par: Ghanadian, Hamideh, et autres
Publié: (2024)
par: Ghanadian, Hamideh, et autres
Publié: (2024)
Language Ranker: A Metric for Quantifying LLM Performance Across High and Low-Resource Languages
par: Li, Zihao, et autres
Publié: (2024)
par: Li, Zihao, et autres
Publié: (2024)
Large Multimodal Models for Low-Resource Languages: A Survey
par: Lupascu, Marian, et autres
Publié: (2025)
par: Lupascu, Marian, et autres
Publié: (2025)
CodecLM: Aligning Language Models with Tailored Synthetic Data
par: Wang, Zifeng, et autres
Publié: (2024)
par: Wang, Zifeng, et autres
Publié: (2024)
RAVEN: In-Context Learning with Retrieval-Augmented Encoder-Decoder Language Models
par: Huang, Jie, et autres
Publié: (2023)
par: Huang, Jie, et autres
Publié: (2023)
Generalizable and Stable Finetuning of Pretrained Language Models on Low-Resource Texts
par: Somayajula, Sai Ashish, et autres
Publié: (2024)
par: Somayajula, Sai Ashish, et autres
Publié: (2024)
Small Language Models for Privacy-Preserving Clinical Information Extraction in Low-Resource Languages
par: Ghaffarzadeh-Esfahani, Mohammadreza, et autres
Publié: (2026)
par: Ghaffarzadeh-Esfahani, Mohammadreza, et autres
Publié: (2026)
Emotion Classification in Low and Moderate Resource Languages
par: Tafreshi, Shabnam, et autres
Publié: (2024)
par: Tafreshi, Shabnam, et autres
Publié: (2024)
AI-Generated Text Detection in Low-Resource Languages: A Case Study on Urdu
par: Ammar, Muhammad, et autres
Publié: (2025)
par: Ammar, Muhammad, et autres
Publié: (2025)
Few-Shot Cross-Lingual Transfer for Prompting Large Language Models in Low-Resource Languages
par: Toukmaji, Christopher
Publié: (2024)
par: Toukmaji, Christopher
Publié: (2024)
When Every Token Counts: Optimal Segmentation for Low-Resource Language Models
par: Raj, Bharath, et autres
Publié: (2024)
par: Raj, Bharath, et autres
Publié: (2024)
Reasoning-Driven Synthetic Data Generation and Evaluation
par: Davidson, Tim R., et autres
Publié: (2026)
par: Davidson, Tim R., et autres
Publié: (2026)
Paired by the Teacher: Turning Unpaired Data into High-Fidelity Pairs for Low-Resource Text Generation
par: Lu, Yen-Ju, et autres
Publié: (2025)
par: Lu, Yen-Ju, et autres
Publié: (2025)
Enhancing Clinical Documentation with Synthetic Data: Leveraging Generative Models for Improved Accuracy
par: Biswas, Anjanava, et autres
Publié: (2024)
par: Biswas, Anjanava, et autres
Publié: (2024)
TURNA: A Turkish Encoder-Decoder Language Model for Enhanced Understanding and Generation
par: Uludoğan, Gökçe, et autres
Publié: (2024)
par: Uludoğan, Gökçe, et autres
Publié: (2024)
Decoding-time Realignment of Language Models
par: Liu, Tianlin, et autres
Publié: (2024)
par: Liu, Tianlin, et autres
Publié: (2024)
Controlled Decoding from Language Models
par: Mudgal, Sidharth, et autres
Publié: (2023)
par: Mudgal, Sidharth, et autres
Publié: (2023)
Looking to Learn: Token-wise Dynamic Gating for Low-Resource Vision-Language Modelling
par: Ganescu, Bianca-Mihaela, et autres
Publié: (2025)
par: Ganescu, Bianca-Mihaela, et autres
Publié: (2025)
How Bad is Training on Synthetic Data? A Statistical Analysis of Language Model Collapse
par: Seddik, Mohamed El Amine, et autres
Publié: (2024)
par: Seddik, Mohamed El Amine, et autres
Publié: (2024)
Surveying the Effects of Quality, Diversity, and Complexity in Synthetic Data From Large Language Models
par: Havrilla, Alex, et autres
Publié: (2024)
par: Havrilla, Alex, et autres
Publié: (2024)
CaLM: Contrasting Large and Small Language Models to Verify Grounded Generation
par: Hsu, I-Hung, et autres
Publié: (2024)
par: Hsu, I-Hung, et autres
Publié: (2024)
Out-of-Distribution Detection using Synthetic Data Generation
par: Abbas, Momin, et autres
Publié: (2025)
par: Abbas, Momin, et autres
Publié: (2025)
Dynamic Context Evolution for Scalable Synthetic Data Generation
par: Lingo, Ryan, et autres
Publié: (2026)
par: Lingo, Ryan, et autres
Publié: (2026)
Documents similaires
-
Gumbel Counterfactual Generation From Language Models
par: Ravfogel, Shauli, et autres
Publié: (2024) -
Activation Scaling for Steering and Interpreting Language Models
par: Stoehr, Niklas, et autres
Publié: (2024) -
TharuChat: Bootstrapping Large Language Models for a Low-Resource Language via Synthetic Data and Human Validation
par: Panth, Prajwal, et autres
Publié: (2026) -
LoQT: Low-Rank Adapters for Quantized Pretraining
par: Loeschcke, Sebastian, et autres
Publié: (2024) -
Active Layer-Contrastive Decoding Reduces Hallucination in Large Language Model Generation
par: Zhang, Hongxiang, et autres
Publié: (2025)