:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tukenov, Saken
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2603.20854
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KZ-SafetyPrompts: A Kazakh Safety Evaluation Prompt Dataset for Large Language Models
von: Zaghouani, Wajdi, et al.
Veröffentlicht: (2026)

Conan-Embedding-v2: Training an LLM from Scratch for Text Embeddings
von: Li, Shiyu, et al.
Veröffentlicht: (2025)

Babysit A Language Model From Scratch: Interactive Language Learning by Trials and Demonstrations
von: Ma, Ziqiao, et al.
Veröffentlicht: (2024)

Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models
von: Shao, Yijia, et al.
Veröffentlicht: (2024)

Train Small, Infer Large: Memory-Efficient LoRA Training for Large Language Models
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Adapt-Pruner: Adaptive Structural Pruning for Efficient Small Language Model Training
von: Pan, Rui, et al.
Veröffentlicht: (2025)

Efficient Long CoT Reasoning in Small Language Models
von: Wang, Zhaoyang, et al.
Veröffentlicht: (2025)

LLäMmlein: Transparent, Compact and Competitive German-Only Language Models from Scratch
von: Pfister, Jan, et al.
Veröffentlicht: (2024)

STICKERCONV: Generating Multimodal Empathetic Responses from Scratch
von: Zhang, Yiqun, et al.
Veröffentlicht: (2024)

New Encoders for German Trained from Scratch: Comparing ModernGBERT with Converted LLM2Vec Models
von: Wunderle, Julia, et al.
Veröffentlicht: (2025)

Ayn: A Tiny yet Competitive Indian Legal Language Model Pretrained from Scratch
von: Niyogi, Mitodru, et al.
Veröffentlicht: (2024)

Cheems: A Practical Guidance for Building and Evaluating Chinese Reward Models from Scratch
von: Wen, Xueru, et al.
Veröffentlicht: (2025)

Privasis: Synthesizing the Largest "Public" Private Dataset from Scratch
von: Kim, Hyunwoo, et al.
Veröffentlicht: (2026)

Reversing Large Language Models for Efficient Training and Fine-Tuning
von: Gal, Eshed, et al.
Veröffentlicht: (2025)

Confidence-Calibrated Small-Large Language Model Collaboration for Cost-Efficient Reasoning
von: Zhang, Chuang, et al.
Veröffentlicht: (2026)

SOMA: Efficient Multi-turn LLM Serving via Small Language Model
von: Cheng, Xueqi, et al.
Veröffentlicht: (2026)

JiuZhang3.0: Efficiently Improving Mathematical Reasoning by Training Small Data Synthesis Models
von: Zhou, Kun, et al.
Veröffentlicht: (2024)

DeepRAG: Building a Custom Hindi Embedding Model for Retrieval Augmented Generation from Scratch
von: M, Nandakishor
Veröffentlicht: (2025)

Efficient Training for Cross-lingual Speech Language Models
von: Zhou, Yan, et al.
Veröffentlicht: (2026)

From Scratch to Fine-Tuned: A Comparative Study of Transformer Training Strategies for Legal Machine Translation
von: Barman, Amit, et al.
Veröffentlicht: (2025)

Efficient Post-Training Refinement of Latent Reasoning in Large Language Models
von: Wang, Xinyuan, et al.
Veröffentlicht: (2025)

InfiR : Crafting Effective Small Language Models and Multimodal Small Language Models in Reasoning
von: Xie, Congkai, et al.
Veröffentlicht: (2025)

A Post-Training Enhanced Optimization Approach for Small Language Models
von: Zhai, Keke
Veröffentlicht: (2024)

Unleashing LLM Reasoning Capability via Scalable Question Synthesis from Scratch
von: Ding, Yuyang, et al.
Veröffentlicht: (2024)

Magpie: Alignment Data Synthesis from Scratch by Prompting Aligned LLMs with Nothing
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

Small Language Model as Data Prospector for Large Language Model
von: Ni, Shiwen, et al.
Veröffentlicht: (2024)

Teaching a Language Model to Distinguish Between Similar Details using a Small Adversarial Training Set
von: Achard, Chris
Veröffentlicht: (2024)

Embedding-to-Prefix: Parameter-Efficient Personalization for Pre-Trained Large Language Models
von: Huber, Bernd, et al.
Veröffentlicht: (2025)

Hallucination Detection with Small Language Models
von: Cheung, Ming
Veröffentlicht: (2025)

Readability $\ne$ Learnability: Rethinking the Role of Simplicity in Training Small Language Models
von: Lee, Ivan, et al.
Veröffentlicht: (2025)

Is Training Data Quality or Quantity More Impactful to Small Language Model Performance?
von: Sajith, Aryan, et al.
Veröffentlicht: (2024)

EfficientQAT: Efficient Quantization-Aware Training for Large Language Models
von: Chen, Mengzhao, et al.
Veröffentlicht: (2024)

Less is More: Pre-Training Cross-Lingual Small-Scale Language Models with Cognitively-Plausible Curriculum Learning Strategies
von: Salhan, Suchir, et al.
Veröffentlicht: (2024)

SmallToLarge (S2L): Scalable Data Selection for Fine-tuning Large Language Models by Summarizing Training Trajectories of Small Models
von: Yang, Yu, et al.
Veröffentlicht: (2024)

AnyMatch -- Efficient Zero-Shot Entity Matching with a Small Language Model
von: Zhang, Zeyu, et al.
Veröffentlicht: (2024)

Small Language Models for Curriculum-based Guidance
von: Katharakis, Konstantinos, et al.
Veröffentlicht: (2025)

Small Language Model Can Self-correct
von: Han, Haixia, et al.
Veröffentlicht: (2024)

Achieving Sparse Activation in Small Language Models
von: Song, Jifeng, et al.
Veröffentlicht: (2024)

Wave Network: An Ultra-Small Language Model
von: Zhang, Xin, et al.
Veröffentlicht: (2024)

LongSkywork: A Training Recipe for Efficiently Extending Context Length in Large Language Models
von: Zhao, Liang, et al.
Veröffentlicht: (2024)