Synthetic Eggs in Many Baskets: The Impact of Synthetic Data Diversity on LLM Fine-Tuning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Schaffelder, Max, Gatt, Albert |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
FTFT: Efficient and Robust Fine-Tuning by Transferring Training Dynamics
par: Du, Yupei, et autres
Publié: (2023)
par: Du, Yupei, et autres
Publié: (2023)
Context-aware Visual Storytelling with Visual Prefix Tuning and Contrastive Learning
par: Song, Yingjin, et autres
Publié: (2024)
par: Song, Yingjin, et autres
Publié: (2024)
On the Diversity of Synthetic Data and its Impact on Training Large Language Models
par: Chen, Hao, et autres
Publié: (2024)
par: Chen, Hao, et autres
Publié: (2024)
Diverse and Fine-Grained Instruction-Following Ability Exploration with Synthetic Data
par: Gu, Zihui, et autres
Publié: (2024)
par: Gu, Zihui, et autres
Publié: (2024)
Measuring Lexical Diversity of Synthetic Data Generated through Fine-Grained Persona Prompting
par: Kambhatla, Gauri, et autres
Publié: (2025)
par: Kambhatla, Gauri, et autres
Publié: (2025)
LLM for Barcodes: Generating Diverse Synthetic Data for Identity Documents
par: Patel, Hitesh Laxmichand, et autres
Publié: (2024)
par: Patel, Hitesh Laxmichand, et autres
Publié: (2024)
Evaluating LLM-Generated Versus Human-Authored Responses in Role-Play Dialogues
par: Lu, Dongxu, et autres
Publié: (2025)
par: Lu, Dongxu, et autres
Publié: (2025)
VAQUUM: Are Vague Quantifiers Grounded in Visual Data?
par: Wong, Hugh Mee, et autres
Publié: (2025)
par: Wong, Hugh Mee, et autres
Publié: (2025)
Synthetic Dataset Creation and Fine-Tuning of Transformer Models for Question Answering in Serbian
par: Cvetanović, Aleksa, et autres
Publié: (2024)
par: Cvetanović, Aleksa, et autres
Publié: (2024)
GraphGen: Enhancing Supervised Fine-Tuning for LLMs with Knowledge-Driven Synthetic Data Generation
par: Chen, Zihong, et autres
Publié: (2025)
par: Chen, Zihong, et autres
Publié: (2025)
Domain-Adaptation through Synthetic Data: Fine-Tuning Large Language Models for German Law
par: Bashir, Ali Hamza, et autres
Publié: (2026)
par: Bashir, Ali Hamza, et autres
Publié: (2026)
Synthetic Data Generation in Low-Resource Settings via Fine-Tuning of Large Language Models
par: Kaddour, Jean, et autres
Publié: (2023)
par: Kaddour, Jean, et autres
Publié: (2023)
Morphological Analysis for the Maltese Language: The Challenges of a Hybrid System
par: Borg, Claudia, et autres
Publié: (2017)
par: Borg, Claudia, et autres
Publié: (2017)
Configurable Preference Tuning with Rubric-Guided Synthetic Data
par: Gallego, Víctor
Publié: (2025)
par: Gallego, Víctor
Publié: (2025)
DP-RFT: Learning to Generate Synthetic Text via Differentially Private Reinforcement Fine-Tuning
par: Xu, Fangyuan, et autres
Publié: (2026)
par: Xu, Fangyuan, et autres
Publié: (2026)
A Systematic Analysis of Large Language Models as Soft Reasoners: The Case of Syllogistic Inferences
par: Bertolazzi, Leonardo, et autres
Publié: (2024)
par: Bertolazzi, Leonardo, et autres
Publié: (2024)
CV-Probes: Studying the interplay of lexical and world knowledge in visually grounded verb understanding
par: Beňová, Ivana, et autres
Publié: (2024)
par: Beňová, Ivana, et autres
Publié: (2024)
Probing Omissions and Distortions in Transformer-based RDF-to-Text Models
par: Faille, Juliette, et autres
Publié: (2024)
par: Faille, Juliette, et autres
Publié: (2024)
Measuring Diversity in Synthetic Datasets
par: Zhu, Yuchang, et autres
Publié: (2025)
par: Zhu, Yuchang, et autres
Publié: (2025)
CantonMT: Cantonese to English NMT Platform with Fine-Tuned Models Using Synthetic Back-Translation Data
par: Hong, Kung Yin, et autres
Publié: (2024)
par: Hong, Kung Yin, et autres
Publié: (2024)
LLaVA-Video: Video Instruction Tuning With Synthetic Data
par: Zhang, Yuanhan, et autres
Publié: (2024)
par: Zhang, Yuanhan, et autres
Publié: (2024)
What Matters in LLM-generated Data: Diversity and Its Effect on Model Fine-Tuning
par: Zhu, Yuchang, et autres
Publié: (2025)
par: Zhu, Yuchang, et autres
Publié: (2025)
Configurable Safety Tuning of Language Models with Synthetic Preference Data
par: Gallego, Victor
Publié: (2024)
par: Gallego, Victor
Publié: (2024)
Linguistic and Argument Diversity in Synthetic Data for Function-Calling Agents
par: Greenstein, Dan, et autres
Publié: (2026)
par: Greenstein, Dan, et autres
Publié: (2026)
Repurposing Synthetic Data for Fine-grained Search Agent Supervision
par: Zhao, Yida, et autres
Publié: (2025)
par: Zhao, Yida, et autres
Publié: (2025)
LatteCLIP: Unsupervised CLIP Fine-Tuning via LMM-Synthetic Texts
par: Cao, Anh-Quan, et autres
Publié: (2024)
par: Cao, Anh-Quan, et autres
Publié: (2024)
Synthetic Data (Almost) from Scratch: Generalized Instruction Tuning for Language Models
par: Li, Haoran, et autres
Publié: (2024)
par: Li, Haoran, et autres
Publié: (2024)
Embedding-Driven Diversity Sampling to Improve Few-Shot Synthetic Data Generation
par: Lopez, Ivan, et autres
Publié: (2025)
par: Lopez, Ivan, et autres
Publié: (2025)
SyntheT2C: Generating Synthetic Data for Fine-Tuning Large Language Models on the Text2Cypher Task
par: Zhong, Ziije, et autres
Publié: (2024)
par: Zhong, Ziije, et autres
Publié: (2024)
Few-shot LLM Synthetic Data with Distribution Matching
par: Ren, Jiyuan, et autres
Publié: (2025)
par: Ren, Jiyuan, et autres
Publié: (2025)
CHIMERA: Compact Synthetic Data for Generalizable LLM Reasoning
par: Zhu, Xinyu, et autres
Publié: (2026)
par: Zhu, Xinyu, et autres
Publié: (2026)
When Models Decide and When They Bind: A Two-Stage Computation for Multiple-Choice Question-Answering
par: Wong, Hugh Mee, et autres
Publié: (2026)
par: Wong, Hugh Mee, et autres
Publié: (2026)
From Image Captioning to Visual Storytelling
par: Passadakis, Admitos, et autres
Publié: (2025)
par: Passadakis, Admitos, et autres
Publié: (2025)
Grounded Misunderstandings in Asymmetric Dialogue: A Perspectivist Annotation Scheme for MapTask
par: Li, Nan, et autres
Publié: (2025)
par: Li, Nan, et autres
Publié: (2025)
Contrast Is All You Need
par: Kilic, Burak, et autres
Publié: (2023)
par: Kilic, Burak, et autres
Publié: (2023)
How and where does CLIP process negation?
par: Quantmeyer, Vincent, et autres
Publié: (2024)
par: Quantmeyer, Vincent, et autres
Publié: (2024)
Diverse and Effective Synthetic Data Generation for Adaptable Zero-Shot Dialogue State Tracking
par: Finch, James D., et autres
Publié: (2024)
par: Finch, James D., et autres
Publié: (2024)
Advancing Speech Language Models by Scaling Supervised Fine-Tuning with Over 60,000 Hours of Synthetic Speech Dialogue Data
par: Zhao, Shuaijiang, et autres
Publié: (2024)
par: Zhao, Shuaijiang, et autres
Publié: (2024)
LLM Reasoning for Machine Translation: Synthetic Data Generation over Thinking Tokens
par: Zebaze, Armel, et autres
Publié: (2025)
par: Zebaze, Armel, et autres
Publié: (2025)
Understanding the Anchoring Effect of LLM with Synthetic Data: Existence, Mechanism, and Potential Mitigations
par: Huang, Yiming, et autres
Publié: (2025)
par: Huang, Yiming, et autres
Publié: (2025)
Documents similaires
-
FTFT: Efficient and Robust Fine-Tuning by Transferring Training Dynamics
par: Du, Yupei, et autres
Publié: (2023) -
Context-aware Visual Storytelling with Visual Prefix Tuning and Contrastive Learning
par: Song, Yingjin, et autres
Publié: (2024) -
On the Diversity of Synthetic Data and its Impact on Training Large Language Models
par: Chen, Hao, et autres
Publié: (2024) -
Diverse and Fine-Grained Instruction-Following Ability Exploration with Synthetic Data
par: Gu, Zihui, et autres
Publié: (2024) -
Measuring Lexical Diversity of Synthetic Data Generated through Fine-Grained Persona Prompting
par: Kambhatla, Gauri, et autres
Publié: (2025)