Piecing Together Clues: A Benchmark for Evaluating the Detective Skills of Large Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Gu, Zhouhong, Zhang, Lin, Chen, Jiangjie, Ye, Haoning, Zhu, Xiaoxuan, Li, Zihan, Ye, Zheyu, Gao, Yan, Hu, Yao, Xiao, Yanghua, Feng, Hongwei |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
DetectBench: Can Large Language Model Detect and Piece Together Implicit Evidence?
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
StrucText-Eval: Evaluating Large Language Model's Reasoning Ability in Structure-Rich Text
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
Efficiently Quantifying and Mitigating Ripple Effects in Model Editing
di: Wang, Jianchen, et al.
Pubblicazione: (2024)
di: Wang, Jianchen, et al.
Pubblicazione: (2024)
AgentGroupChat: An Interactive Group Chat Simulacra For Better Eliciting Emergent Behavior
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
di: Gu, Zhouhong, et al.
Pubblicazione: (2024)
VCEval: Rethinking What is a Good Educational Video and How to Automatically Evaluate It
di: Zhu, Xiaoxuan, et al.
Pubblicazione: (2024)
di: Zhu, Xiaoxuan, et al.
Pubblicazione: (2024)
RECKON: Large-scale Reference-based Efficient Knowledge Evaluation for Large Language Model
di: Zhang, Lin, et al.
Pubblicazione: (2025)
di: Zhang, Lin, et al.
Pubblicazione: (2025)
Xiezhi: An Ever-Updating Benchmark for Holistic Domain Knowledge Evaluation
di: Gu, Zhouhong, et al.
Pubblicazione: (2023)
di: Gu, Zhouhong, et al.
Pubblicazione: (2023)
ToReMi: Topic-Aware Data Reweighting for Dynamic Pre-Training Data Selection
di: Zhu, Xiaoxuan, et al.
Pubblicazione: (2025)
di: Zhu, Xiaoxuan, et al.
Pubblicazione: (2025)
LITE: LLM-Impelled efficient Taxonomy Evaluation
di: Zhang, Lin, et al.
Pubblicazione: (2025)
di: Zhang, Lin, et al.
Pubblicazione: (2025)
AgentGroupChat-V2: Divide-and-Conquer Is What LLM-Based Multi-Agent System Need
di: Gu, Zhouhong, et al.
Pubblicazione: (2025)
di: Gu, Zhouhong, et al.
Pubblicazione: (2025)
LLM-GAN: Construct Generative Adversarial Network Through Large Language Models For Explainable Fake News Detection
di: Wang, Yifeng, et al.
Pubblicazione: (2024)
di: Wang, Yifeng, et al.
Pubblicazione: (2024)
MIRAGE: Exploring How Large Language Models Perform in Complex Social Interactive Environments
di: Cai, Yin, et al.
Pubblicazione: (2025)
di: Cai, Yin, et al.
Pubblicazione: (2025)
GAPO: Learning Preferential Prompt through Generative Adversarial Policy Optimization
di: Gu, Zhouhong, et al.
Pubblicazione: (2025)
di: Gu, Zhouhong, et al.
Pubblicazione: (2025)
MCiteBench: A Multimodal Benchmark for Generating Text with Citations
di: Hu, Caiyu, et al.
Pubblicazione: (2025)
di: Hu, Caiyu, et al.
Pubblicazione: (2025)
Scaling Behavior of Single LLM-Driven Multi-Agent Systems
di: Li, Jialing, et al.
Pubblicazione: (2026)
di: Li, Jialing, et al.
Pubblicazione: (2026)
Can Large Language Models Understand Real-World Complex Instructions?
di: He, Qianyu, et al.
Pubblicazione: (2023)
di: He, Qianyu, et al.
Pubblicazione: (2023)
Enhancing Language Agent Strategic Reasoning through Self-Play in Adversarial Games
di: Zhang, Yikai, et al.
Pubblicazione: (2025)
di: Zhang, Yikai, et al.
Pubblicazione: (2025)
How Easily do Irrelevant Inputs Skew the Responses of Large Language Models?
di: Wu, Siye, et al.
Pubblicazione: (2024)
di: Wu, Siye, et al.
Pubblicazione: (2024)
ConcEPT: Concept-Enhanced Pre-Training for Language Models
di: Wang, Xintao, et al.
Pubblicazione: (2024)
di: Wang, Xintao, et al.
Pubblicazione: (2024)
TESSELLATE: Piecing Together the Variable Sky With TESS
di: Roxburgh, Hugh, et al.
Pubblicazione: (2025)
di: Roxburgh, Hugh, et al.
Pubblicazione: (2025)
Embedded Course Reserves: Piecing the Puzzle Together
di: Clumpner, Krista E., et al.
Pubblicazione: (2011)
di: Clumpner, Krista E., et al.
Pubblicazione: (2011)
ScholarGym: Benchmarking Large Language Model Capabilities in the Information-Gathering Stage of Deep Research
di: Shen, Hao, et al.
Pubblicazione: (2026)
di: Shen, Hao, et al.
Pubblicazione: (2026)
TravelPlanner: A Benchmark for Real-World Planning with Language Agents
di: Xie, Jian, et al.
Pubblicazione: (2024)
di: Xie, Jian, et al.
Pubblicazione: (2024)
Piece it Together: Part-Based Concepting with IP-Priors
di: Richardson, Elad, et al.
Pubblicazione: (2025)
di: Richardson, Elad, et al.
Pubblicazione: (2025)
TimeArena: Shaping Efficient Multitasking Language Agents in a Time-Aware Simulation
di: Zhang, Yikai, et al.
Pubblicazione: (2024)
di: Zhang, Yikai, et al.
Pubblicazione: (2024)
Dr.Academy: A Benchmark for Evaluating Questioning Capability in Education for Large Language Models
di: Chen, Yuyan, et al.
Pubblicazione: (2024)
di: Chen, Yuyan, et al.
Pubblicazione: (2024)
TravelAgent: An AI Assistant for Personalized Travel Planning
di: Chen, Aili, et al.
Pubblicazione: (2024)
di: Chen, Aili, et al.
Pubblicazione: (2024)
Past Meets Present: Creating Historical Analogy with Large Language Models
di: Li, Nianqi, et al.
Pubblicazione: (2024)
di: Li, Nianqi, et al.
Pubblicazione: (2024)
EmotionQueen: A Benchmark for Evaluating Empathy of Large Language Models
di: Chen, Yuyan, et al.
Pubblicazione: (2024)
di: Chen, Yuyan, et al.
Pubblicazione: (2024)
Piecing It All Together: Verifying Multi-Hop Multimodal Claims
di: Wang, Haoran, et al.
Pubblicazione: (2024)
di: Wang, Haoran, et al.
Pubblicazione: (2024)
Fitting the Pieces Together: Developing Better Service for End-Users.
di: Bridges, Peggy Bass, et al.
Pubblicazione: (2000)
di: Bridges, Peggy Bass, et al.
Pubblicazione: (2000)
GAUSS: Benchmarking Structured Mathematical Skills for Large Language Models
di: Zhang, Yue, et al.
Pubblicazione: (2025)
di: Zhang, Yue, et al.
Pubblicazione: (2025)
ClueTracer: Question-to-Vision Clue Tracing for Training-Free Hallucination Suppression in Multimodal Reasoning
di: Xi, Gongli, et al.
Pubblicazione: (2026)
di: Xi, Gongli, et al.
Pubblicazione: (2026)
Erythropoietin Expression and Regulation: Piecing Together Known Mechanisms and Emerging Insights
di: Salam Idriss, et al.
Pubblicazione: (2026)
di: Salam Idriss, et al.
Pubblicazione: (2026)
AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation
di: Huang, Wenhao, et al.
Pubblicazione: (2024)
di: Huang, Wenhao, et al.
Pubblicazione: (2024)
Can LLMs Learn to Map the World from Local Descriptions?
di: Xia, Sirui, et al.
Pubblicazione: (2025)
di: Xia, Sirui, et al.
Pubblicazione: (2025)
Towards the Law of Capacity Gap in Distilling Language Models
di: Zhang, Chen, et al.
Pubblicazione: (2023)
di: Zhang, Chen, et al.
Pubblicazione: (2023)
PII-Bench: Evaluating Query-Aware Privacy Protection Systems
di: Shen, Hao, et al.
Pubblicazione: (2025)
di: Shen, Hao, et al.
Pubblicazione: (2025)
ANALOGYKB: Unlocking Analogical Reasoning of Language Models with A Million-scale Knowledge Base
di: Yuan, Siyu, et al.
Pubblicazione: (2023)
di: Yuan, Siyu, et al.
Pubblicazione: (2023)
GumbelSoft: Diversified Language Model Watermarking via the GumbelMax-trick
di: Fu, Jiayi, et al.
Pubblicazione: (2024)
di: Fu, Jiayi, et al.
Pubblicazione: (2024)
Documenti analoghi
-
DetectBench: Can Large Language Model Detect and Piece Together Implicit Evidence?
di: Gu, Zhouhong, et al.
Pubblicazione: (2024) -
StrucText-Eval: Evaluating Large Language Model's Reasoning Ability in Structure-Rich Text
di: Gu, Zhouhong, et al.
Pubblicazione: (2024) -
Efficiently Quantifying and Mitigating Ripple Effects in Model Editing
di: Wang, Jianchen, et al.
Pubblicazione: (2024) -
AgentGroupChat: An Interactive Group Chat Simulacra For Better Eliciting Emergent Behavior
di: Gu, Zhouhong, et al.
Pubblicazione: (2024) -
VCEval: Rethinking What is a Good Educational Video and How to Automatically Evaluate It
di: Zhu, Xiaoxuan, et al.
Pubblicazione: (2024)