Buchumschlag

PLR: Plackett-Luce for Reordering In-Context Learning Examples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Batorski, Pawel, Swoboda, Paul
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EvoMU: Evolutionary Machine Unlearning
von: Batorski, Pawel, et al.
Veröffentlicht: (2026)

PIAST: Rapid Prompting with In-context Augmentation for Scarce Training data
von: Batorski, Pawel, et al.
Veröffentlicht: (2025)

GPS: General Per-Sample Prompter
von: Batorski, Pawel, et al.
Veröffentlicht: (2025)

PRL: Prompts from Reinforcement Learning
von: Batorski, Paweł, et al.
Veröffentlicht: (2025)

NSA: Neuro-symbolic ARC Challenge
von: Batorski, Paweł, et al.
Veröffentlicht: (2025)

REBEL: Hidden Knowledge Recovery via Evolutionary-Based Evaluation Loop
von: Rybak, Patryk, et al.
Veröffentlicht: (2026)

TATRA: Training-Free Instance-Adaptive Prompting Through Rephrasing and Aggregation
von: Dziuba, Bartosz, et al.
Veröffentlicht: (2026)

One size doesn't fit all: Predicting the Number of Examples for In-Context Learning
von: Chandra, Manish, et al.
Veröffentlicht: (2024)

Implicit Word Reordering with Knowledge Distillation for Cross-Lingual Dependency Parsing
von: Li, Zhuoran, et al.
Veröffentlicht: (2025)

Masked-and-Reordered Self-Supervision for Reinforcement Learning from Verifiable Rewards
von: Wang, Zhen, et al.
Veröffentlicht: (2025)

NICE: To Optimize In-Context Examples or Not?
von: Srivastava, Pragya, et al.
Veröffentlicht: (2024)

Fast Slate Policy Optimization: Going Beyond Plackett-Luce
von: Sakhi, Otmane, et al.
Veröffentlicht: (2023)

RetICL: Sequential Retrieval of In-Context Examples with Reinforcement Learning
von: Scarlatos, Alexander, et al.
Veröffentlicht: (2023)

OptiSeq: Ordering Examples On-The-Fly for In-Context Learning
von: Bhope, Rahul Atul, et al.
Veröffentlicht: (2025)

ROSE: Reordered SparseGPT for More Accurate One-Shot Large Language Models Pruning
von: Su, Mingluo, et al.
Veröffentlicht: (2026)

Self-Generated In-Context Examples Improve LLM Agents for Sequential Decision-Making Tasks
von: Sarukkai, Vishnu, et al.
Veröffentlicht: (2025)

Toward In-Context Teaching: Adapting Examples to Students' Misconceptions
von: Ross, Alexis, et al.
Veröffentlicht: (2024)

Efficient and Adaptable Overlapping for Computation and Communication via Signaling and Reordering
von: Hong, Ke, et al.
Veröffentlicht: (2025)

MMICT: Boosting Multi-Modal Fine-Tuning with In-Context Examples
von: Chen, Tao, et al.
Veröffentlicht: (2023)

Learning and Forgetting Unsafe Examples in Large Language Models
von: Zhao, Jiachen, et al.
Veröffentlicht: (2023)

When the Universe is Too Big: Bounding Consideration Probabilities for Plackett-Luce Rankings
von: Aoki-Sherwood, Ben, et al.
Veröffentlicht: (2024)

Alexpaca: Learning Factual Clarification Question Generation Without Examples
von: Toles, Matthew, et al.
Veröffentlicht: (2023)

Contextual Plackett-Luce: An Efficient Neural Model for Probabilistic Sequence Selection under Ambiguity
von: Mizrachi, Noam, et al.
Veröffentlicht: (2026)

SSCAE -- Semantic, Syntactic, and Context-aware natural language Adversarial Examples generator
von: Asl, Javad Rafiei, et al.
Veröffentlicht: (2024)

Learning New Tasks from a Few Examples with Soft-Label Prototypes
von: Singh, Avyav Kumar, et al.
Veröffentlicht: (2022)

Sequence Shortening for Context-Aware Machine Translation
von: Mąka, Paweł, et al.
Veröffentlicht: (2024)

Brewing Knowledge in Context: Distillation Perspectives on In-Context Learning
von: Li, Chengye, et al.
Veröffentlicht: (2025)

Learning Task Representations from In-Context Learning
von: Saglam, Baturay, et al.
Veröffentlicht: (2025)

Can Models Learn Skill Composition from Examples?
von: Zhao, Haoyu, et al.
Veröffentlicht: (2024)

Employing Sentence Space Embedding for Classification of Data Stream from Fake News Domain
von: Zyblewski, Paweł, et al.
Veröffentlicht: (2024)

Analyzing the Attention Heads for Pronoun Disambiguation in Context-aware Machine Translation Models
von: Mąka, Paweł, et al.
Veröffentlicht: (2024)

Designing Informative Metrics for Few-Shot Example Selection
von: Adiga, Rishabh, et al.
Veröffentlicht: (2024)

Towards Better Understanding of In-Context Learning Ability from In-Context Uncertainty Quantification
von: Liu, Shang, et al.
Veröffentlicht: (2024)

Stronger Random Baselines for In-Context Learning
von: Yauney, Gregory, et al.
Veröffentlicht: (2024)

In-Context Language Learning: Architectures and Algorithms
von: Akyürek, Ekin, et al.
Veröffentlicht: (2024)

In-Context Learning through the Bayesian Prism
von: Panwar, Madhur, et al.
Veröffentlicht: (2023)

iFlip: Iterative Feedback-driven Counterfactual Example Refinement
von: Wang, Yilong, et al.
Veröffentlicht: (2026)

Demystifying Language Model Forgetting with Low-rank Example Associations
von: Jin, Xisen, et al.
Veröffentlicht: (2024)

Evaluating Text Classification Robustness to Part-of-Speech Adversarial Examples
von: Samadi, Anahita, et al.
Veröffentlicht: (2024)

You Are What You Train: Effects of Data Composition on Training Context-aware Machine Translation Models
von: Mąka, Paweł, et al.
Veröffentlicht: (2025)