:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Taojun, Zhou, Xiao-Hua
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2404.09135
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLM-based NLG Evaluation: Current Status and Challenges
von: Gao, Mingqi, et al.
Veröffentlicht: (2024)

Evaluating the Utility of Grounding Documents with Reference-Free LLM-based Metrics
von: Hua, Yilun, et al.
Veröffentlicht: (2026)

Evaluating Metrics for Safety with LLM-as-Judges
von: Clegg, Kester, et al.
Veröffentlicht: (2025)

Focus-dLLM: Accelerating Long-Context Diffusion LLM Inference via Confidence-Guided Context Focusing
von: Long, Lingkun, et al.
Veröffentlicht: (2026)

LLM-as-a-tutor in EFL Writing Education: Focusing on Evaluation of Student-LLM Interaction
von: Han, Jieun, et al.
Veröffentlicht: (2023)

Faithful Model Evaluation for Model-Based Metrics
von: Goyal, Palash, et al.
Veröffentlicht: (2023)

Mind the Blind Spots: A Focus-Level Evaluation Framework for LLM Reviews
von: Shin, Hyungyu, et al.
Veröffentlicht: (2025)

Unveiling Knowledge Utilization Mechanisms in LLM-based Retrieval-Augmented Generation
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

Automatic Evaluation Metrics for Document-level Translation: Overview, Challenges and Trends
von: GUO, Jiaxin, et al.
Veröffentlicht: (2025)

An LLM-as-Judge Metric for Bridging the Gap with Human Evaluation in SE Tasks
von: Zhou, Xin, et al.
Veröffentlicht: (2025)

PsycoLLM: Enhancing LLM for Psychological Understanding and Evaluation
von: Hu, Jinpeng, et al.
Veröffentlicht: (2024)

Systematic Evaluation of LLM-as-a-Judge in LLM Alignment Tasks: Explainable Metrics and Diverse Prompt Templates
von: Wei, Hui, et al.
Veröffentlicht: (2024)

LLM as a Meta-Judge: Synthetic Data for NLP Evaluation Metric Validation
von: Eigler, Lukáš, et al.
Veröffentlicht: (2026)

HarmMetric Eval: Benchmarking Metrics and Judges for LLM Harmfulness Assessment
von: Yang, Langqi, et al.
Veröffentlicht: (2025)

Challenging the Evaluator: LLM Sycophancy Under User Rebuttal
von: Kim, Sungwon, et al.
Veröffentlicht: (2025)

A Study on Question-Answer Dataset for LLM Safety Evaluation with a Focus on Illegal Activities
von: Imamura, Kenji, et al.
Veröffentlicht: (2026)

GAMBIT+: A Challenge Set for Evaluating Gender Bias in Machine Translation Quality Estimation Metrics
von: Filandrianos, Giorgos, et al.
Veröffentlicht: (2025)

A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

How to Get Your LLM to Generate Challenging Problems for Evaluation
von: Patel, Arkil, et al.
Veröffentlicht: (2025)

IDGen: Item Discrimination Induced Prompt Generation for LLM Evaluation
von: Lin, Fan, et al.
Veröffentlicht: (2024)

Agreement Metrics for LLM-as-Judge Evaluation: What to Report and Why
von: Rao, Delip, et al.
Veröffentlicht: (2026)

LLM Inference Unveiled: Survey and Roofline Model Insights
von: Yuan, Zhihang, et al.
Veröffentlicht: (2024)

Contextual Metric Meta-Evaluation by Measuring Local Metric Accuracy
von: Deviyani, Athiya, et al.
Veröffentlicht: (2025)

PromptOptMe: Error-Aware Prompt Compression for LLM-based MT Evaluation Metrics
von: Larionov, Daniil, et al.
Veröffentlicht: (2024)

Efficient Speculative Decoding for Llama at Scale: Challenges and Solutions
von: Tang, Bangsheng, et al.
Veröffentlicht: (2025)

Evaluating Causal Explanation in Medical Reports with LLM-Based and Human-Aligned Metrics
von: Cho, Yousang, et al.
Veröffentlicht: (2025)

NLP for Local Governance Meeting Records: A Focus Article on Tasks, Datasets, Metrics and Benchmark
von: Campos, Ricardo, et al.
Veröffentlicht: (2026)

Developing a Multilingual Dataset and Evaluation Metrics for Code-Switching: A Focus on Hong Kong's Polylingual Dynamics
von: Xie, Peng, et al.
Veröffentlicht: (2023)

Shadow in the Cache: Unveiling and Mitigating Privacy Risks of KV-cache in LLM Inference
von: Luo, Zhifan, et al.
Veröffentlicht: (2025)

The Challenges of Evaluating LLM Applications: An Analysis of Automated, Human, and LLM-Based Approaches
von: Abeysinghe, Bhashithe, et al.
Veröffentlicht: (2024)

Evaluating Compositional Approaches for Focus and Sentiment Analysis
von: Kellert, Olga, et al.
Veröffentlicht: (2025)

ContrastScore: Towards Higher Quality, Less Biased, More Efficient Evaluation Metrics with Contrastive Evaluation
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Unveiling Language Competence Neurons: A Psycholinguistic Approach to Model Interpretability
von: Duan, Xufeng, et al.
Veröffentlicht: (2024)

Visualizing Uncertainty in Translation Tasks: An Evaluation of LLM Performance and Confidence Metrics
von: Park, Jin Hyun, et al.
Veröffentlicht: (2025)

APPLS: Evaluating Evaluation Metrics for Plain Language Summarization
von: Guo, Yue, et al.
Veröffentlicht: (2023)

A Comparison of LLM Finetuning Methods & Evaluation Metrics with Travel Chatbot Use Case
von: Meyer, Sonia, et al.
Veröffentlicht: (2024)

Exploring the Multilingual NLG Evaluation Abilities of LLM-Based Evaluators
von: Chang, Jiayi, et al.
Veröffentlicht: (2025)

Evaluating Metrics for Bias in Word Embeddings
von: Schröder, Sarah, et al.
Veröffentlicht: (2021)

ProverbEval: Exploring LLM Evaluation Challenges for Low-resource Language Understanding
von: Azime, Israel Abebe, et al.
Veröffentlicht: (2024)

A likelihood-based sensitivity analysis for addressing publication bias in meta-analysis of diagnostic studies using exact likelihood
von: Hu, Taojun, et al.
Veröffentlicht: (2024)