Buchumschlag

DataParasite Enables Scalable and Repurposable Online Data Curation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sun, Mengyi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating the Effectiveness and Scalability of LLM-Based Data Augmentation for Retrieval
von: Chitale, Pranjal A., et al.
Veröffentlicht: (2025)

AugTriever: Unsupervised Dense Retrieval and Domain Adaptation by Scalable Data Augmentation
von: Meng, Rui, et al.
Veröffentlicht: (2022)

Data-Driven Function Calling Improvements in Large Language Model for Online Financial QA
von: Tang, Xing, et al.
Veröffentlicht: (2026)

C3PA: An Open Dataset of Expert-Annotated and Regulation-Aware Privacy Policies to Enable Scalable Regulatory Compliance Audits
von: Musa, Maaz Bin, et al.
Veröffentlicht: (2024)

Data-CUBE: Data Curriculum for Instruction-based Sentence Representation Learning
von: Min, Yingqian, et al.
Veröffentlicht: (2024)

Text Data Integration
von: Rahman, Md Ataur, et al.
Veröffentlicht: (2026)

ORBIT: Scalable and Verifiable Data Generation for Search Agents on a Tight Budget
von: Thakur, Nandan, et al.
Veröffentlicht: (2026)

Data Augmentation for Conversational AI
von: Soudani, Heydar, et al.
Veröffentlicht: (2023)

ConvMix: A Mixed-Criteria Data Augmentation Framework for Conversational Dense Retrieval
von: Mo, Fengran, et al.
Veröffentlicht: (2025)

Evolving Text Data Stream Mining
von: Kumar, Jay
Veröffentlicht: (2024)

Query-oriented Data Augmentation for Session Search
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

Ordered Semantically Diverse Sampling for Textual Data
von: Tiwari, Ashish, et al.
Veröffentlicht: (2025)

Research on the Online Update Method for Retrieval-Augmented Generation (RAG) Model with Incremental Learning
von: Fan, Yuxin, et al.
Veröffentlicht: (2025)

SRAG: RAG with Structured Data Improves Vector Retrieval
von: Shah, Shalin, et al.
Veröffentlicht: (2026)

ConvSDG: Session Data Generation for Conversational Search
von: Mo, Fengran, et al.
Veröffentlicht: (2024)

On Synthetic Data Strategies for Domain-Specific Generative Retrieval
von: Wen, Haoyang, et al.
Veröffentlicht: (2025)

Self-Compositional Data Augmentation for Scientific Keyphrase Generation
von: Houbre, Mael, et al.
Veröffentlicht: (2024)

Structure-Aware Chunking for Tabular Data in Retrieval-Augmented Generation
von: Guttal, Pooja, et al.
Veröffentlicht: (2026)

Knowing When to Ask -- Bridging Large Language Models and Data
von: Radhakrishnan, Prashanth, et al.
Veröffentlicht: (2024)

RAG-based Question Answering over Heterogeneous Data and Text
von: Christmann, Philipp, et al.
Veröffentlicht: (2024)

Improving Conversational Recommendation Systems via Counterfactual Data Simulation
von: Wang, Xiaolei, et al.
Veröffentlicht: (2023)

Data Augmentation Techniques for Process Extraction from Scientific Publications
von: Susanti, Yuni
Veröffentlicht: (2024)

Text-to-Pipeline: Bridging Natural Language and Data Preparation Pipelines
von: Ge, Yuhang, et al.
Veröffentlicht: (2025)

SkillBrew: Multi-Objective Curation of Skill Banks for LLM Agents
von: Hu, Wentao, et al.
Veröffentlicht: (2026)

Beyond Contrastive Learning: Synthetic Data Enables List-wise Training with Multiple Levels of Relevance
von: Esfandiarpoor, Reza, et al.
Veröffentlicht: (2025)

BioChemInsight: An Online Platform for Automated Extraction of Chemical Structures and Activity Data from Patents
von: Wang, Zhe, et al.
Veröffentlicht: (2025)

Generating Diverse Q&A Benchmarks for RAG Evaluation with DataMorgana
von: Filice, Simone, et al.
Veröffentlicht: (2025)

Scaling Knowledge Graph Construction through Synthetic Data Generation and Distillation
von: Choubey, Prafulla Kumar, et al.
Veröffentlicht: (2024)

Generalizing Conversational Dense Retrieval via LLM-Cognition Data Augmentation
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

Serendipity with Generative AI: Repurposing knowledge components during polycrisis with a Viable Systems Model approach
von: Fletcher, Gordon, et al.
Veröffentlicht: (2025)

Large Language Models Require Curated Context for Reliable Political Fact-Checking -- Even with Reasoning and Web Search
von: DeVerna, Matthew R., et al.
Veröffentlicht: (2025)

FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases
von: Zhang, Xingjian, et al.
Veröffentlicht: (2026)

Who Stole Your Data? A Method for Detecting Unauthorized RAG Theft
von: Liu, Peiyang, et al.
Veröffentlicht: (2025)

Don't Retrieve, Generate: Prompting LLMs for Synthetic Training Data in Dense Retrieval
von: Sinha, Aarush
Veröffentlicht: (2025)

CoRNStack: High-Quality Contrastive Data for Better Code Retrieval and Reranking
von: Suresh, Tarun, et al.
Veröffentlicht: (2024)

Recursive Question Understanding for Complex Question Answering over Heterogeneous Personal Data
von: Christmann, Philipp, et al.
Veröffentlicht: (2025)

Modeling Data Diversity for Joint Instance and Verbalizer Selection in Cold-Start Scenarios
von: Chakraborty, Mohna, et al.
Veröffentlicht: (2025)

HetaRAG: Hybrid Deep Retrieval-Augmented Generation across Heterogeneous Data Stores
von: Yan, Guohang, et al.
Veröffentlicht: (2025)

Evidence Contextualization and Counterfactual Attribution for Conversational QA over Heterogeneous Data with RAG Systems
von: Roy, Rishiraj Saha, et al.
Veröffentlicht: (2024)

Improving Topic Relevance Model by Mix-structured Summarization and LLM-based Data Augmentation
von: Liu, Yizhu, et al.
Veröffentlicht: (2024)