Buchumschlag

Exploring the Reliability of Large Language Models as Customized Evaluators for Diverse NLP Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Qintong, Cui, Leyang, Kong, Lingpeng, Bi, Wei
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GSM-Plus: A Comprehensive Benchmark for Evaluating the Robustness of LLMs as Mathematical Problem Solvers
von: Li, Qintong, et al.
Veröffentlicht: (2024)

DynaAct: Large Language Model Reasoning with Dynamic Action Spaces
von: Zhao, Xueliang, et al.
Veröffentlicht: (2025)

BBA: Bi-Modal Behavioral Alignment for Reasoning with Large Vision-Language Models
von: Zhao, Xueliang, et al.
Veröffentlicht: (2024)

Alleviating Hallucinations of Large Language Models through Induced Hallucinations
von: Zhang, Yue, et al.
Veröffentlicht: (2023)

MAGE: Machine-generated Text Detection in the Wild
von: Li, Yafu, et al.
Veröffentlicht: (2023)

PromptCoT: Synthesizing Olympiad-level Problems for Mathematical Reasoning in Large Language Models
von: Zhao, Xueliang, et al.
Veröffentlicht: (2025)

PromptCoT 2.0: Scaling Prompt Synthesis for Large Language Model Reasoning
von: Zhao, Xueliang, et al.
Veröffentlicht: (2025)

Developing and Utilizing a Large-Scale Cantonese Dataset for Multi-Tasking in Large Language Models
von: Jiang, Jiyue, et al.
Veröffentlicht: (2025)

Benchmarking Large Language Models on Multiple Tasks in Bioinformatics NLP with Prompting
von: Jiang, Jiyue, et al.
Veröffentlicht: (2025)

Inferflow: an Efficient and Highly Configurable Inference Engine for Large Language Models
von: Shi, Shuming, et al.
Veröffentlicht: (2024)

Linguistic Frameworks Go Toe-to-Toe at Neuro-Symbolic Language Modeling
von: Prange, Jakob, et al.
Veröffentlicht: (2021)

DROJ: A Prompt-Driven Attack against Large Language Models
von: Hu, Leyang, et al.
Veröffentlicht: (2024)

Forewarned is Forearmed: Leveraging LLMs for Data Synthesis through Failure-Inducing Exploration
von: Li, Qintong, et al.
Veröffentlicht: (2024)

Training-Free Long-Context Scaling of Large Language Models
von: An, Chenxin, et al.
Veröffentlicht: (2024)

D-NLP at SemEval-2024 Task 2: Evaluating Clinical Inference Capabilities of Large Language Models
von: Altinok, Duygu
Veröffentlicht: (2024)

Dream 7B: Diffusion Large Language Models
von: Ye, Jiacheng, et al.
Veröffentlicht: (2025)

Dream-VL & Dream-VLA: Open Vision-Language and Vision-Language-Action Models with Diffusion Language Model Backbone
von: Ye, Jiacheng, et al.
Veröffentlicht: (2025)

Exploring Large Language Models in Healthcare: Insights into Corpora Sources, Customization Strategies, and Evaluation Metrics
von: Yang, Shuqi, et al.
Veröffentlicht: (2025)

Proxy Compression for Language Modeling
von: Zheng, Lin, et al.
Veröffentlicht: (2026)

SciCustom: A Framework for Custom Evaluation of Scientific Capabilities in Large Language Models
von: Gu, Yiyang, et al.
Veröffentlicht: (2026)

Neuro-Symbolic Integration Brings Causal and Reliable Reasoning Proofs
von: Yang, Sen, et al.
Veröffentlicht: (2023)

Large Language Models on Wikipedia-Style Survey Generation: an Evaluation in NLP Concepts
von: Gao, Fan, et al.
Veröffentlicht: (2023)

Multilingual Machine Translation with Large Language Models: Empirical Results and Analysis
von: Zhu, Wenhao, et al.
Veröffentlicht: (2023)

BURMESE-SAN: Burmese NLP Benchmark for Evaluating Large Language Models
von: Aung, Thura, et al.
Veröffentlicht: (2026)

ATEB: Evaluating and Improving Advanced NLP Tasks for Text Embedding Models
von: Han, Simeng, et al.
Veröffentlicht: (2025)

CoCA: Regaining Safety-awareness of Multimodal Large Language Models with Constitutional Calibration
von: Gao, Jiahui, et al.
Veröffentlicht: (2024)

Scaling Diffusion Language Models via Adaptation from Autoregressive Models
von: Gong, Shansan, et al.
Veröffentlicht: (2024)

How Well Do LLMs Handle Cantonese? Benchmarking Cantonese Capabilities of Large Language Models
von: Jiang, Jiyue, et al.
Veröffentlicht: (2024)

Knowledge Verification to Nip Hallucination in the Bud
von: Wan, Fanqi, et al.
Veröffentlicht: (2024)

xFinder: Large Language Models as Automated Evaluators for Reliable Evaluation
von: Yu, Qingchen, et al.
Veröffentlicht: (2024)

Active Learning for NLP with Large Language Models
von: Wang, Xuesong
Veröffentlicht: (2024)

Multimodal ArXiv: A Dataset for Improving Scientific Comprehension of Large Vision-Language Models
von: Li, Lei, et al.
Veröffentlicht: (2024)

DreamOn: Diffusion Language Models For Code Infilling Beyond Fixed-size Canvas
von: Wu, Zirui, et al.
Veröffentlicht: (2026)

Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text
von: Li, Yafu, et al.
Veröffentlicht: (2024)

NLP Datasets for Idiom and Figurative Language Tasks
von: Matheny, Blake, et al.
Veröffentlicht: (2025)

A Survey of Prompt Engineering Methods in Large Language Models for Different NLP Tasks
von: Vatsal, Shubham, et al.
Veröffentlicht: (2024)

Evaluating the Reliability of Self-Explanations in Large Language Models
von: Randl, Korbinian, et al.
Veröffentlicht: (2024)

Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions
von: Wu, Zirui, et al.
Veröffentlicht: (2025)

NLP needs Diversity outside of 'Diversity'
von: Tint, Joshua
Veröffentlicht: (2026)

Activation-Guided Consensus Merging for Large Language Models
von: Yao, Yuxuan, et al.
Veröffentlicht: (2025)