Buchumschlag

Learning Concepts, Not Tokens: Self-Supervised Semantic Alignment for Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Christine, Jurafsky, Dan, Shani, Chen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Tokens: Concept-Level Training Objectives for LLMs
von: Iyer, Laya, et al.
Veröffentlicht: (2026)

The Roots of Performance Disparity in Multilingual Language Models: Intrinsic Modeling Difficulty or Design Choices?
von: Shani, Chen, et al.
Veröffentlicht: (2026)

Rethinking Word Similarity: Semantic Similarity through Classification Confusion
von: Zhou, Kaitlyn, et al.
Veröffentlicht: (2025)

From Tokens to Thoughts: How LLMs and Humans Trade Compression for Meaning
von: Shani, Chen, et al.
Veröffentlicht: (2025)

Cooking Up Creativity: Enhancing LLM Creativity through Structured Recombination
von: Mizrahi, Moran, et al.
Veröffentlicht: (2025)

STARS: Synchronous Token Alignment for Robust Supervision in Large Language Models
von: Quamar, Mohammad Atif, et al.
Veröffentlicht: (2025)

False Friends Are Not Foes: Investigating Vocabulary Overlap in Multilingual Language Models
von: Kallini, Julie, et al.
Veröffentlicht: (2025)

Transcribe, Translate, or Transliterate: An Investigation of Intermediate Representations in Spoken Language Models
von: Ògúnrèmí, Tolúlopé, et al.
Veröffentlicht: (2025)

Persona-judge: Personalized Alignment of Large Language Models via Token-level Self-judgment
von: Zhang, Xiaotian, et al.
Veröffentlicht: (2025)

A Benchmark for Learning to Translate a New Language from One Grammar Book
von: Tanzer, Garrett, et al.
Veröffentlicht: (2023)

A layer-wise analysis of Mandarin and English suprasegmentals in SSL speech models
von: de la Fuente, Antón, et al.
Veröffentlicht: (2024)

Grounding Gaps in Language Model Generations
von: Shaikh, Omar, et al.
Veröffentlicht: (2023)

SumTablets: A Transliteration Dataset of Sumerian Tablets
von: Simmons, Cole, et al.
Veröffentlicht: (2026)

HumT DumT: Measuring and controlling human-like language in LLMs
von: Cheng, Myra, et al.
Veröffentlicht: (2025)

Categorize Early, Integrate Late: Divergent Processing Strategies in Automatic Speech Recognition
von: Roll, Nathan, et al.
Veröffentlicht: (2026)

Othering and low status framing of immigrant cuisines in US restaurant reviews and large language models
von: Luo, Yiwei, et al.
Veröffentlicht: (2023)

Adapting Pretrained Language Models for Citation Classification via Self-Supervised Contrastive Learning
von: Li, Tong, et al.
Veröffentlicht: (2025)

SelfCite: Self-Supervised Alignment for Context Attribution in Large Language Models
von: Chuang, Yung-Sung, et al.
Veröffentlicht: (2025)

Data Checklist: On Unit-Testing Datasets with Usable Information
von: Zhang, Heidi C., et al.
Veröffentlicht: (2024)

Humans overrely on overconfident language models, across languages
von: Rathi, Neil, et al.
Veröffentlicht: (2025)

Breaking Token Into Concepts: Exploring Extreme Compression in Token Representation Via Compositional Shared Semantics
von: R V, Kavin, et al.
Veröffentlicht: (2025)

Safety-Tuned LLaMAs: Lessons From Improving the Safety of Large Language Models that Follow Instructions
von: Bianchi, Federico, et al.
Veröffentlicht: (2023)

Accommodation and Epistemic Vigilance: A Pragmatic Account of Why LLMs Fail to Challenge Harmful Beliefs
von: Cheng, Myra, et al.
Veröffentlicht: (2026)

A Comprehensive Analysis of Tokenization and Self-Supervised Learning in End-to-End Automatic Speech Recognition applied on French Language
von: Bañeras-Roux, Thibault, et al.
Veröffentlicht: (2026)

AlignDistil: Token-Level Language Model Alignment as Adaptive Policy Distillation
von: Zhang, Songming, et al.
Veröffentlicht: (2025)

Dynamic Cheatsheet: Test-Time Learning with Adaptive Memory
von: Suzgun, Mirac, et al.
Veröffentlicht: (2025)

Trained on Tokens, Calibrated on Concepts: The Emergence of Semantic Calibration in LLMs
von: Nakkiran, Preetum, et al.
Veröffentlicht: (2025)

Evaluating Morphological Alignment of Tokenizers in 70 Languages
von: Arnett, Catherine, et al.
Veröffentlicht: (2025)

Belief in the Machine: Investigating Epistemological Blind Spots of Language Models
von: Suzgun, Mirac, et al.
Veröffentlicht: (2024)

Probabilistic Token Alignment for Large Language Model Fusion
von: Zeng, Runjia, et al.
Veröffentlicht: (2025)

CausalGym: Benchmarking causal interpretability methods on linguistic tasks
von: Arora, Aryaman, et al.
Veröffentlicht: (2024)

SeMe: Training-Free Language Model Merging via Semantic Alignment
von: Gu, Jian, et al.
Veröffentlicht: (2025)

Self-Supervised Visual Preference Alignment
von: Zhu, Ke, et al.
Veröffentlicht: (2024)

SemToken: Semantic-Aware Tokenization for Efficient Long-Context Language Modeling
von: Liu, Dong, et al.
Veröffentlicht: (2025)

AnthroScore: A Computational Linguistic Measure of Anthropomorphism
von: Cheng, Myra, et al.
Veröffentlicht: (2024)

Self-supervised Analogical Learning using Language Models
von: Zhou, Ben, et al.
Veröffentlicht: (2025)

HIGHT: Hierarchical Graph Tokenization for Molecule-Language Alignment
von: Chen, Yongqiang, et al.
Veröffentlicht: (2024)

Self-Supervised Alignment with Mutual Information: Learning to Follow Principles without Preference Labels
von: Fränken, Jan-Philipp, et al.
Veröffentlicht: (2024)

Enhancing Large Language Models for Mobility Analytics with Semantic Location Tokenization
von: Chen, Yile, et al.
Veröffentlicht: (2025)

Semantic Convergence: Harmonizing Recommender Systems via Two-Stage Alignment and Behavioral Semantic Tokenization
von: Li, Guanghan, et al.
Veröffentlicht: (2024)