Buchumschlag

RECAP: Reproducing Copyrighted Data from LLMs Training with an Agentic Pipeline

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Duarte, André V., li, Xuying, Zeng, Bin, Oliveira, Arlindo L., Li, Lei, Li, Zhuo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language I.2
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DE-COP: Detecting Copyrighted Content in Language Models Training Data
von: Duarte, André V., et al.
Veröffentlicht: (2024)

DIS-CO: Discovering Copyrighted Content in VLMs Training Data
von: Duarte, André V., et al.
Veröffentlicht: (2025)

Sem-Detect: Semantic Level Detection of AI Generated Peer-Reviews
von: Duarte, André V., et al.
Veröffentlicht: (2026)

LumberChunker: Long-Form Narrative Document Segmentation
von: Duarte, André V., et al.
Veröffentlicht: (2024)

LLMs and Memorization: On Quality and Specificity of Copyright Compliance
von: Mueller, Felix B, et al.
Veröffentlicht: (2024)

Textual Data Bias Detection and Mitigation -- An Extensible Pipeline with Experimental Evaluation
von: Görge, Rebekka, et al.
Veröffentlicht: (2025)

LLMs and the Human Condition
von: Wallis, Peter
Veröffentlicht: (2024)

Beyond Benchmark Islands: Toward Representative Trustworthiness Evaluation for Agentic AI
von: Qi, Jinhu, et al.
Veröffentlicht: (2026)

KinyaColBERT: A Lexically Grounded Retrieval Model for Low-Resource Retrieval-Augmented Generation
von: Nzeyimana, Antoine, et al.
Veröffentlicht: (2025)

Pipeline and Dataset Generation for Automated Fact-checking in Almost Any Language
von: Drchal, Jan, et al.
Veröffentlicht: (2023)

PersonalLLM: Tailoring LLMs to Individual Preferences
von: Zollo, Thomas P., et al.
Veröffentlicht: (2024)

LLMBridge: An LLM Pipeline for End-to-end Referential Bridging Resolution in English
von: Levine, Lauren, et al.
Veröffentlicht: (2026)

Improving LLMs with a knowledge from databases
von: Máša, Petr
Veröffentlicht: (2025)

Training LLMs to Recognize Hedges in Spontaneous Narratives
von: Paige, Amie J., et al.
Veröffentlicht: (2024)

Layer-Aware Embedding Fusion for LLMs in Text Classifications
von: Gwak, Jiho, et al.
Veröffentlicht: (2025)

Improving the OOD Performance of Closed-Source LLMs on NLI Through Strategic Data Selection
von: Stacey, Joe, et al.
Veröffentlicht: (2025)

Select or Project? Evaluating Lower-dimensional Vectors for LLM Training Data Explanations
von: Hinterleitner, Lukas, et al.
Veröffentlicht: (2026)

IOLBENCH: Benchmarking LLMs on Linguistic Reasoning
von: Goyal, Satyam, et al.
Veröffentlicht: (2025)

Syntactic Blind Spots: How Misalignment Leads to LLMs Mathematical Errors
von: Williamson, Dane, et al.
Veröffentlicht: (2025)

KSHSeek: Data-Driven Approaches to Mitigating and Detecting Knowledge-Shortcut Hallucinations in Generative Models
von: Liu, Zhongxin, et al.
Veröffentlicht: (2025)

Agentic AI Translate: An Agentic Translator Prototype for Translation as Communication Design
von: Yamada, Masaru
Veröffentlicht: (2026)

Beyond Direct Generation: A Decomposed Approach to Well-Crafted Screenwriting with LLMs
von: Lei, Hang, et al.
Veröffentlicht: (2025)

PowLU: An Activation Function for Stable Pre-Training of LLMs
von: Jiang, Peijie, et al.
Veröffentlicht: (2026)

Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation
von: Resck, Lucas, et al.
Veröffentlicht: (2026)

HalluScan: A Systematic Benchmark for Detecting and Mitigating Hallucinations in Instruction-Following LLMs
von: Cherif, Ahmed
Veröffentlicht: (2026)

UrduFactCheck: An Agentic Fact-Checking Framework for Urdu with Evidence Boosting and Benchmarking
von: Ahmad, Sarfraz, et al.
Veröffentlicht: (2025)

Do LLMs Truly Understand When a Precedent Is Overruled?
von: Zhang, Li, et al.
Veröffentlicht: (2025)

LFC-DA: Logical Formula-Controlled Data Augmentation for Enhanced Logical Reasoning
von: Li, Shenghao
Veröffentlicht: (2025)

Retrieval-Based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-Free
von: Zhang, Li, et al.
Veröffentlicht: (2026)

SEPTQ: A Simple and Effective Post-Training Quantization Paradigm for Large Language Models
von: Liu, Han, et al.
Veröffentlicht: (2026)

Game-RL: Synthesizing Multimodal Verifiable Game Data to Boost VLMs' General Reasoning
von: Tong, Jingqi, et al.
Veröffentlicht: (2025)

A Case Study of Cross-Lingual Zero-Shot Generalization for Classical Languages in LLMs
von: Akavarapu, V. S. D. S. Mahesh, et al.
Veröffentlicht: (2025)

ReaGeo: Reasoning-Enhanced End-to-End Geocoding with LLMs
von: Cui, Jian, et al.
Veröffentlicht: (2026)

Predicting Failures of LLMs to Link Biomedical Ontology Terms to Identifiers Evidence Across Models and Ontologies
von: Hier, Daniel B., et al.
Veröffentlicht: (2025)

Resolving Action Bottleneck: Agentic Reinforcement Learning Informed by Token-Level Energy
von: He, Langzhou, et al.
Veröffentlicht: (2026)

Agent Capsules: Quality-Gated Granularity Control for Multi-Agent LLM Pipelines
von: Ray, Aninda
Veröffentlicht: (2026)

Detecting Data Contamination in LLMs via In-Context Learning
von: Zawalski, Michał, et al.
Veröffentlicht: (2025)

Diffusion Lens: Interpreting Text Encoders in Text-to-Image Pipelines
von: Toker, Michael, et al.
Veröffentlicht: (2024)

PRISMA: Preference-Reinforced Self-Training Approach for Interpretable Emotionally Intelligent Negotiation Dialogues
von: Kajare, Prajwal Vijay, et al.
Veröffentlicht: (2026)

Constructing Benchmarks and Interventions for Combating Hallucinations in LLMs
von: Simhi, Adi, et al.
Veröffentlicht: (2024)