Buchumschlag

LAUD: Integrating Large Language Models with Active Learning for Unlabeled Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chou, Tzu-Hsuan, Chou, Chun-Nan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Contrastive ECOC: Learning Output Codes for Adversarial Defense
von: Chou, Che-Yu, et al.
Veröffentlicht: (2025)

Making Better Use of Unlabelled Data in Bayesian Active Learning
von: Smith, Freddie Bickford, et al.
Veröffentlicht: (2024)

Distributed Machine Learning Approach for Low-Latency Localization in Cell-Free Massive MIMO Systems
von: Kumar, Manish, et al.
Veröffentlicht: (2025)

Cleaning the Pool: Progressive Filtering of Unlabeled Pools in Deep Active Learning
von: Huseljic, Denis, et al.
Veröffentlicht: (2025)

Active Constraint Learning in High Dimensions from Demonstrations
von: Qiu, Zheng, et al.
Veröffentlicht: (2025)

Learning from Uncertain Similarity and Unlabeled Data
von: Wei, Meng, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning with Domain-Unlabeled Data
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2024)

Integrating Distribution Matching into Semi-Supervised Contrastive Learning for Labeled and Unlabeled Data
von: Nakayama, Shogo, et al.
Veröffentlicht: (2026)

Active Few-Shot Learning for Vertex Classification Starting from an Unlabeled Dataset
von: Burr, Felix, et al.
Veröffentlicht: (2025)

On Leveraging Unlabeled Data for Concurrent Positive-Unlabeled Classification and Robust Generation
von: Yu, Bing, et al.
Veröffentlicht: (2020)

Unlabeled Data vs. Pre-trained Knowledge: Rethinking SSL in the Era of Large Models
von: Lv, Song-Lin, et al.
Veröffentlicht: (2025)

Heterogeneous Multisource Transfer Learning via Model Averaging for Positive-Unlabeled Data
von: Liu, Jialei, et al.
Veröffentlicht: (2025)

Positive-Unlabelled Active Learning to Curate a Dataset for Orca Resident Interpretation
von: Nestor, Bret, et al.
Veröffentlicht: (2026)

FROAV: A Framework for RAG Observation and Agent Verification -- Lowering the Barrier to LLM Agent Research
von: Lin, Tzu-Hsuan, et al.
Veröffentlicht: (2026)

Correction of Decoupled Weight Decay
von: Chou, Jason Chuan-Chih
Veröffentlicht: (2025)

Deep Positive-Unlabeled Anomaly Detection for Contaminated Unlabeled Data
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2024)

SABER: Symbolic Regression-based Angle of Arrival and Beam Pattern Estimator
von: Chou, Shih-Kai, et al.
Veröffentlicht: (2025)

Unlabeled Data Can Provably Enhance In-Context Learning of Transformers
von: Liu, Renpu, et al.
Veröffentlicht: (2026)

Re-Evaluating the Impact of Unseen-Class Unlabeled Data on Semi-Supervised Learning Model
von: He, Rundong, et al.
Veröffentlicht: (2025)

Proper Learnability and the Role of Unlabeled Data
von: Asilis, Julian, et al.
Veröffentlicht: (2025)

Positive and Unlabeled Data: Model, Estimation, Inference, and Classification
von: Liu, Siyan, et al.
Veröffentlicht: (2024)

Theoretical Foundations of Representation Learning using Unlabeled Data: Statistics and Optimization
von: Esser, Pascal, et al.
Veröffentlicht: (2025)

Collaborative Unlabeled Data Optimization
von: Shang, Xinyi, et al.
Veröffentlicht: (2025)

An Expanded Benchmark that Rediscovers and Affirms the Edge of Uncertainty Sampling for Active Learning in Tabular Datasets
von: Lu, Po-Yi, et al.
Veröffentlicht: (2023)

Candidate Pseudolabel Learning: Enhancing Vision-Language Models by Prompt Tuning with Unlabeled Data
von: Zhang, Jiahan, et al.
Veröffentlicht: (2024)

Sample-Optimal Agnostic Boosting with Unlabeled Data
von: Ghai, Udaya, et al.
Veröffentlicht: (2025)

M-Loss: Quantifying Model Merging Compatibility with Limited Unlabeled Data
von: Wang, Tiantong, et al.
Veröffentlicht: (2026)

Heterogeneous Domain Adaptation with Positive and Unlabeled Data
von: Mori, Junki, et al.
Veröffentlicht: (2023)

Out-Of-Domain Unlabeled Data Improves Generalization
von: Saberi, Amir Hossein, et al.
Veröffentlicht: (2023)

Adapting to Shifting Correlations with Unlabeled Data Calibration
von: Nguyen, Minh, et al.
Veröffentlicht: (2024)

Coupled Training with Privileged Information and Unlabeled Data
von: Shi, Jiahao, et al.
Veröffentlicht: (2026)

In-Context Positive-Unlabeled Learning
von: Liu, Siyan, et al.
Veröffentlicht: (2026)

Positive-Unlabeled Reinforcement Learning Distillation for On-Premise Small Models
von: Kou, Zhiqiang, et al.
Veröffentlicht: (2026)

Automated Machine Learning for Positive-Unlabelled Learning
von: Saunders, Jack D., et al.
Veröffentlicht: (2024)

Rainbow-DemoRL: Combining Improvements in Demonstration-Augmented Reinforcement Learning
von: Bhatt, Dwait, et al.
Veröffentlicht: (2026)

Applications of Positive Unlabeled (PU) and Negative Unlabeled (NU) Learning in Cybersecurity
von: Dilworth, Robert, et al.
Veröffentlicht: (2024)

BERT-like Pre-training for Symbolic Piano Music Classification Tasks
von: Chou, Yi-Hui, et al.
Veröffentlicht: (2021)

ProtoSSL: Interpretable Prototype Learning from Unlabeled Time-Series Data
von: Song, Steven, et al.
Veröffentlicht: (2026)

Learning from M-Tuple Dominant Positive and Unlabeled Data
von: Qin, Jiahe, et al.
Veröffentlicht: (2025)

Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers
von: Shen, Keyi, et al.
Veröffentlicht: (2026)