Buchumschlag

ActiveUltraFeedback: Efficient Preference Data Generation using Active Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Melikidze, Davit, Schneider, Marian, Lam, Jessica, Wertich, Martin, Hakimi, Ido, Pásztor, Barna, Krause, Andreas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bandits with Preference Feedback: A Stackelberg Game Perspective
von: Pásztor, Barna, et al.
Veröffentlicht: (2024)

Stackelberg Learning from Human Feedback: Preference Optimization as a Sequential Game
von: Pásztor, Barna, et al.
Veröffentlicht: (2025)

RewardUQ: A Unified Framework for Uncertainty-Aware Reward Models
von: Yang, Daniel, et al.
Veröffentlicht: (2026)

Homonym Sense Disambiguation in the Georgian Language
von: Melikidze, Davit, et al.
Veröffentlicht: (2024)

Efficiently Learning at Test-Time: Active Fine-Tuning of LLMs
von: Hübotter, Jonas, et al.
Veröffentlicht: (2024)

Aligning Language Models from User Interactions
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2026)

Maximizing Prefix-Confidence at Test-Time Efficiently Improves Mathematical Reasoning
von: Otth, Matthias, et al.
Veröffentlicht: (2025)

Contextual Bilevel Reinforcement Learning for Incentive Alignment
von: Thoma, Vinzenz, et al.
Veröffentlicht: (2024)

Active Preference Optimization for Sample Efficient RLHF
von: Das, Nirjhar, et al.
Veröffentlicht: (2024)

Do We Still Need Humans in the Loop? Comparing Human and LLM Annotation in Active Learning for Hostility Detection
von: Hakimi, Ahmad Dawar, et al.
Veröffentlicht: (2026)

Active Preference Learning for Large Language Models
von: Muldrew, William, et al.
Veröffentlicht: (2024)

Apertus LLM Family Expansion via Distillation and Quantization
von: Panferov, Andrei, et al.
Veröffentlicht: (2026)

From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning
von: Dinucu-Jianu, David, et al.
Veröffentlicht: (2025)

AnchorAL: Computationally Efficient Active Learning for Large and Imbalanced Datasets
von: Lesci, Pietro, et al.
Veröffentlicht: (2024)

Majority Voting for Code Generation
von: Launer, Tim, et al.
Veröffentlicht: (2026)

Local Mixtures of Experts: Essentially Free Test-Time Training via Model Merging
von: Bertolissi, Ryo, et al.
Veröffentlicht: (2025)

GLEAN: Active Generalized Category Discovery with Diverse LLM Feedback
von: Zou, Henry Peng, et al.
Veröffentlicht: (2025)

Active Preference Inference using Language Models and Probabilistic Reasoning
von: Piriyakulkij, Wasu Top, et al.
Veröffentlicht: (2023)

Language Model-Driven Data Pruning Enables Efficient Active Learning
von: Azeemi, Abdul Hameed, et al.
Veröffentlicht: (2024)

CoAct: Co-Active LLM Preference Learning with Human-AI Synergy
von: Xu, Ruiyao, et al.
Veröffentlicht: (2026)

A Data-driven Analysis of Code Optimizations
von: Hakimi, Yacine, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Human Feedback with Active Queries
von: Ji, Kaixuan, et al.
Veröffentlicht: (2024)

Deep Bayesian Active Learning for Preference Modeling in Large Language Models
von: Melo, Luckeciano C., et al.
Veröffentlicht: (2024)

OPTune: Efficient Online Preference Tuning
von: Chen, Lichang, et al.
Veröffentlicht: (2024)

Learning on the Job: Test-Time Curricula for Targeted Reinforcement Learning
von: Hübotter, Jonas, et al.
Veröffentlicht: (2025)

Learning Collusion in Episodic, Inventory-Constrained Markets
von: Friedrich, Paul, et al.
Veröffentlicht: (2024)

Not All Preference Pairs Are Created Equal: A Recipe for Annotation-Efficient Iterative Preference Learning
von: Yang, Sen, et al.
Veröffentlicht: (2024)

AMPO: Active Multi-Preference Optimization for Self-play Preference Selection
von: Gupta, Taneesh, et al.
Veröffentlicht: (2025)

MAPLE: A Framework for Active Preference Learning Guided by Large Language Models
von: Mahmud, Saaduddin, et al.
Veröffentlicht: (2024)

What's In My Human Feedback? Learning Interpretable Descriptions of Preference Data
von: Movva, Rajiv, et al.
Veröffentlicht: (2025)

SQBC: Active Learning using LLM-Generated Synthetic Data for Stance Detection in Online Political Discussions
von: Wagner, Stefan Sylvius, et al.
Veröffentlicht: (2024)

Combining Data Generation and Active Learning for Low-Resource Question Answering
von: Kimmich, Maximilian, et al.
Veröffentlicht: (2022)

An Active Learning Framework for Inclusive Generation by Large Language Models
von: Hassan, Sabit, et al.
Veröffentlicht: (2024)

Towards Efficient Active Learning in NLP via Pretrained Representations
von: Vysogorets, Artem, et al.
Veröffentlicht: (2024)

Towards Active Synthetic Data Generation for Finetuning Language Models
von: Kessler, Samuel, et al.
Veröffentlicht: (2025)

CodeUltraFeedback: An LLM-as-a-Judge Dataset for Aligning Large Language Models to Coding Preferences
von: Weyssow, Martin, et al.
Veröffentlicht: (2024)

StackRAG Agent: Improving Developer Answers with Retrieval-Augmented Generation
von: Abrahamyan, Davit, et al.
Veröffentlicht: (2024)

Applying LLMs to Active Learning: Towards Cost-Efficient Cross-Task Text Classification without Manually Labeled Data
von: Zhang, Yejian, et al.
Veröffentlicht: (2025)

Active Learning for Robust and Representative LLM Generation in Safety-Critical Scenarios
von: Hassan, Sabit, et al.
Veröffentlicht: (2024)

MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors
von: Macina, Jakub, et al.
Veröffentlicht: (2025)