Buchumschlag

Valid Survey Simulations with Limited Human Data: The Roles of Prompting, Fine-Tuning, and Rectification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Krsteski, Stefan, Russo, Giuseppe, Chang, Serina, West, Robert, Gligorić, Kristina
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Language Model Fine-Tuning on Scaled Survey Data for Predicting Distributions of Public Opinions
von: Suh, Joseph, et al.
Veröffentlicht: (2025)

Meat-Free Day Reduces Greenhouse Gas Emissions but Poses Challenges for Customer Retention and Adherence to Dietary Guidelines
von: Russo, Giuseppe, et al.
Veröffentlicht: (2025)

Multi-Perspective LLM Annotations for Valid Analyses in Subjective Tasks
von: Mehrotra, Navya, et al.
Veröffentlicht: (2026)

Graph-Based Alternatives to LLMs for Human Simulation
von: Suh, Joseph, et al.
Veröffentlicht: (2025)

SWAY: A Counterfactual Computational Linguistic Approach to Measuring and Mitigating Sycophancy
von: Bhalla, Joy, et al.
Veröffentlicht: (2026)

Othering and low status framing of immigrant cuisines in US restaurant reviews and large language models
von: Luo, Yiwei, et al.
Veröffentlicht: (2023)

Quantifying the Utility of User Simulators for Building Collaborative LLM Assistants
von: Suh, Joseph, et al.
Veröffentlicht: (2026)

Towards Open Foundation Language Model and Corpus for Macedonian: A Low-Resource Language
von: Krsteski, Stefan, et al.
Veröffentlicht: (2025)

In-class Data Analysis Replications: Teaching Students while Testing Science
von: Gligoric, Kristina, et al.
Veröffentlicht: (2023)

ChatBench: From Static Benchmarks to Human-AI Evaluation
von: Chang, Serina, et al.
Veröffentlicht: (2025)

AnthroScore: A Computational Linguistic Measure of Anthropomorphism
von: Cheng, Myra, et al.
Veröffentlicht: (2024)

A Survey on Prompt Tuning
von: Li, Zongqian, et al.
Veröffentlicht: (2025)

Beyond the Rabbit Hole: Mapping the Relational Harms of QAnon Radicalization
von: Ngoc, Bich, et al.
Veröffentlicht: (2026)

STF: Sentence Transformer Fine-Tuning For Topic Categorization With Limited Data
von: Daouadi, Kheir Eddine, et al.
Veröffentlicht: (2024)

PRISM-X: Experiments on Personalised Fine-Tuning with Human and Simulated Users
von: Kirk, Hannah Rose, et al.
Veröffentlicht: (2026)

PAFT: Prompt-Agnostic Fine-Tuning
von: Wei, Chenxing, et al.
Veröffentlicht: (2025)

Prior Prompt Engineering for Reinforcement Fine-Tuning
von: Taveekitworachai, Pittawat, et al.
Veröffentlicht: (2025)

NLP Systems That Can't Tell Use from Mention Censor Counterspeech, but Teaching the Distinction Helps
von: Gligoric, Kristina, et al.
Veröffentlicht: (2024)

Grounding Gaps in Language Model Generations
von: Shaikh, Omar, et al.
Veröffentlicht: (2023)

Can Unconfident LLM Annotations Be Used for Confident Conclusions?
von: Gligorić, Kristina, et al.
Veröffentlicht: (2024)

Prompt Tuning for Natural Language to SQL with Embedding Fine-Tuning and RAG
von: Jang, Jisoo, et al.
Veröffentlicht: (2025)

Scaling Data Diversity for Fine-Tuning Language Models in Human Alignment
von: Song, Feifan, et al.
Veröffentlicht: (2024)

Evaluating Prompt-Based and Fine-Tuned Approaches to Czech Anaphora Resolution
von: Stano, Patrik, et al.
Veröffentlicht: (2025)

Training Prompt Matters: State-Adaptive Optimization for Robust Fine-Tuning
von: Shi, Wenhang, et al.
Veröffentlicht: (2026)

Parameter-Efficient Fine-Tuning for Medical Text Summarization: A Comparative Study of Lora, Prompt Tuning, and Full Fine-Tuning
von: Shernazarov, Ulugbek, et al.
Veröffentlicht: (2026)

Evaluating Fine-Tuning Efficiency of Human-Inspired Learning Strategies in Medical Question Answering
von: Yang, Yushi, et al.
Veröffentlicht: (2024)

Self-Prompt Tuning: Enable Autonomous Role-Playing in LLMs
von: Kong, Aobo, et al.
Veröffentlicht: (2024)

What can large language models do for sustainable food?
von: Thomas, Anna T., et al.
Veröffentlicht: (2025)

ADePT: Adaptive Decomposed Prompt Tuning for Parameter-Efficient Fine-tuning
von: Tang, Pengwei, et al.
Veröffentlicht: (2025)

Rethinking Data Selection for Supervised Fine-Tuning
von: Shen, Ming
Veröffentlicht: (2024)

Designing Domain-Specific Large Language Models: The Critical Role of Fine-Tuning in Public Opinion Simulation
von: Lin, Haocheng
Veröffentlicht: (2024)

Comparative Evaluation of Prompting and Fine-Tuning for Applying Large Language Models to Grid-Structured Geospatial Data
von: Dhruv, Akash, et al.
Veröffentlicht: (2025)

DEFT: Distribution-guided Efficient Fine-Tuning for Human Alignment
von: Zhu, Liang, et al.
Veröffentlicht: (2026)

Instruction Fine-Tuning: Does Prompt Loss Matter?
von: Huerta-Enochian, Mathew, et al.
Veröffentlicht: (2024)

From Parameters to Prompts: Understanding and Mitigating the Factuality Gap between Fine-Tuned LLMs
von: Gong, Xuan, et al.
Veröffentlicht: (2025)

Towards Better Understanding of Cybercrime: The Role of Fine-Tuned LLMs in Translation
von: Valeros, Veronica, et al.
Veröffentlicht: (2024)

Prompt, Translate, Fine-Tune, Re-Initialize, or Instruction-Tune? Adapting LLMs for In-Context Learning in Low-Resource Languages
von: Toukmaji, Christopher, et al.
Veröffentlicht: (2025)

MeTA-LoRA: Data-Efficient Multi-Task Fine-Tuning for Large Language Models
von: Cheng, Bo, et al.
Veröffentlicht: (2025)

Simplify-This: A Comparative Analysis of Prompt-Based and Fine-Tuned LLMs
von: Cohen, Eilam, et al.
Veröffentlicht: (2026)

Self-Recognition in Language Models
von: Davidson, Tim R., et al.
Veröffentlicht: (2024)