:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Mingqiao, Peng, Qiyao, Wang, Yinghui, Liu, Hongtao, Wang, Yumeng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.13626
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CTR-LoRA: Curvature-Aware and Trust-Region Guided Low-Rank Adaptation for Large Language Models
von: Wang, Zhuxuanzi, et al.
Veröffentlicht: (2025)

FRONTIER-RevRec: A Large-scale Dataset for Reviewer Recommendation
von: Peng, Qiyao, et al.
Veröffentlicht: (2025)

FlexRec: Adapting LLM-based Recommenders for Flexible Needs via Reinforcement Learning
von: Pan, Yijun, et al.
Veröffentlicht: (2026)

Benchmarking Benchmark Leakage in Large Language Models
von: Xu, Ruijie, et al.
Veröffentlicht: (2024)

Event-Aware Sentiment Factors from LLM-Augmented Financial Tweets: A Transparent Framework for Interpretable Quant Trading
von: Wang, Yueyi, et al.
Veröffentlicht: (2025)

LiveClin: A Live Clinical Benchmark without Leakage
von: Wang, Xidong, et al.
Veröffentlicht: (2026)

Rethinking LLM Evaluation: Can We Evaluate LLMs with 200x Less Data?
von: Wang, Shaobo, et al.
Veröffentlicht: (2025)

Can We Trust the Performance Evaluation of Uncertainty Estimation Methods in Text Summarization?
von: He, Jianfeng, et al.
Veröffentlicht: (2024)

From Faithfulness to Correctness: Generative Reward Models that Think Critically
von: Ma, Qiyao, et al.
Veröffentlicht: (2025)

In Trust We Survive: Emergent Trust Learning
von: Chen, Qianpu, et al.
Veröffentlicht: (2026)

Learning More with Less: A Dynamic Dual-Level Down-Sampling Framework for Efficient Policy Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2025)

BridgePure: Limited Protection Leakage Can Break Black-Box Data Protection
von: Wang, Yihan, et al.
Veröffentlicht: (2024)

Preference Leakage: A Contamination Problem in LLM-as-a-judge
von: Li, Dawei, et al.
Veröffentlicht: (2025)

A Survey on LLM-powered Agents for Recommender Systems
von: Peng, Qiyao, et al.
Veröffentlicht: (2025)

RxEval: A Prescription-Level Benchmark for Evaluating LLM Medication Recommendation
von: Chen, Shuhao, et al.
Veröffentlicht: (2026)

LeakAgent: RL-based Red-teaming Agent for LLM Privacy Leakage
von: Nie, Yuzhou, et al.
Veröffentlicht: (2024)

Data Leakage and Redundancy in the LIT-PCBA Benchmark
von: Huang, Amber, et al.
Veröffentlicht: (2025)

CAT: Can Trust be Predicted with Context-Awareness in Dynamic Heterogeneous Networks?
von: Wang, Jie, et al.
Veröffentlicht: (2025)

Can Graph Learning Improve Planning in LLM-based Agents?
von: Wu, Xixi, et al.
Veröffentlicht: (2024)

Break the ID-Language Barrier: An Adaption Framework for LLM-based Sequential Recommendation
von: Yu, Xiaohan, et al.
Veröffentlicht: (2024)

PEPT: Expert Finding Meets Personalized Pre-training
von: Peng, Qiyao, et al.
Veröffentlicht: (2023)

FedADP: Unified Model Aggregation for Federated Learning with Heterogeneous Model Architectures
von: Wang, Jiacheng, et al.
Veröffentlicht: (2025)

How Sparse Can We Prune A Deep Network: A Fundamental Limit Perspective
von: Zhang, Qiaozhe, et al.
Veröffentlicht: (2023)

Less is More: Benchmarking LLM Based Recommendation Agents
von: Chauhan, Kargi, et al.
Veröffentlicht: (2026)

Bootstrapping Conditional Retrieval for User-to-Item Recommendations
von: Lin, Hongtao, et al.
Veröffentlicht: (2025)

Can Small Language Models be Good Reasoners for Sequential Recommendation?
von: Wang, Yuling, et al.
Veröffentlicht: (2024)

In Transformer We Trust? A Perspective on Transformer Architecture Failure Modes
von: Mondal, Trishit, et al.
Veröffentlicht: (2026)

Can We Predict the Unpredictable? Leveraging DisasterNet-LLM for Multimodal Disaster Classification
von: Kulahara, Manaswi, et al.
Veröffentlicht: (2025)

Beyond Leakage and Complexity: Towards Realistic and Efficient Information Cascade Prediction
von: Peng, Jie, et al.
Veröffentlicht: (2025)

Can We Edit Multimodal Large Language Models?
von: Cheng, Siyuan, et al.
Veröffentlicht: (2023)

ThinkEval: Practical Evaluation of Knowledge Leakage in LLM Editing using Thought-based Knowledge Graphs
von: Baser, Manit, et al.
Veröffentlicht: (2025)

TrustLDM: Benchmarking Trustworthiness in Language Diffusion Models
von: Mo, Yichuan, et al.
Veröffentlicht: (2026)

Leaner Training, Lower Leakage: Revisiting Memorization in LLM Fine-Tuning with LoRA
von: Wang, Fei, et al.
Veröffentlicht: (2025)

Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning
von: Liu, Zihe, et al.
Veröffentlicht: (2025)

LoMA: Lossless Compressed Memory Attention
von: Wang, Yumeng, et al.
Veröffentlicht: (2024)

The Erosion of LLM Signatures: Can We Still Distinguish Human and LLM-Generated Scientific Ideas After Iterative Paraphrasing?
von: Shahriar, Sadat, et al.
Veröffentlicht: (2025)

Trust Region Masking for Long-Horizon LLM Reinforcement Learning
von: Li, Yingru, et al.
Veröffentlicht: (2025)

ULMRec: User-centric Large Language Model for Sequential Recommendation
von: Shao, Minglai, et al.
Veröffentlicht: (2024)

Federated Learning with Reduced Information Leakage and Computation
von: Yin, Tongxin, et al.
Veröffentlicht: (2023)

Sequential LLM Framework for Fashion Recommendation
von: Liu, Han, et al.
Veröffentlicht: (2024)