:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Zhenhui, Li, Jiaxin, Liu, Yang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2405.06713
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MathArena: Evaluating LLMs on Uncontaminated Math Competitions
von: Balunović, Mislav, et al.
Veröffentlicht: (2025)

HARBOR: Exploring Persona Dynamics in Multi-Agent Competition
von: Jiang, Kenan, et al.
Veröffentlicht: (2025)

CDTP: A Large-Scale Chinese Data-Text Pair Dataset for Comprehensive Evaluation of Chinese LLMs
von: Wu, Chengwei, et al.
Veröffentlicht: (2025)

GeoEval: Benchmark for Evaluating LLMs and Multi-Modal Models on Geometry Problem-Solving
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2024)

Skywork-SWE: Unveiling Data Scaling Laws for Software Engineering in LLMs
von: Zeng, Liang, et al.
Veröffentlicht: (2025)

MTCMB: A Multi-Task Benchmark Framework for Evaluating LLMs on Knowledge, Reasoning, and Safety in Traditional Chinese Medicine
von: Kong, Shufeng, et al.
Veröffentlicht: (2025)

Understanding the Role of LLMs in Multimodal Evaluation Benchmarks
von: Jiang, Botian, et al.
Veröffentlicht: (2024)

Uncovering the Fragility of Trustworthy LLMs through Chinese Textual Ambiguity
von: Wu, Xinwei, et al.
Veröffentlicht: (2025)

AutoCode: LLMs as Problem Setters for Competitive Programming
von: Zhou, Shang, et al.
Veröffentlicht: (2025)

Unveiling LLMs: The Evolution of Latent Representations in a Dynamic Knowledge Graph
von: Bronzini, Marco, et al.
Veröffentlicht: (2024)

Encyclo-K: Evaluating LLMs with Dynamically Composed Knowledge Statements
von: Liang, Yiming, et al.
Veröffentlicht: (2025)

Breaking the Cloak! Unveiling Chinese Cloaked Toxicity with Homophone Graph and Toxic Lexicon
von: Ma, Xuchen, et al.
Veröffentlicht: (2025)

CTourLLM: Enhancing LLMs with Chinese Tourism Knowledge
von: Wei, Qikai, et al.
Veröffentlicht: (2024)

Do LLMs Understand Social Knowledge? Evaluating the Sociability of Large Language Models with SocKET Benchmark
von: Choi, Minje, et al.
Veröffentlicht: (2023)

TeamLoRA: Boosting Low-Rank Adaptation with Expert Collaboration and Competition
von: Lin, Tianwei, et al.
Veröffentlicht: (2024)

Competition-Level Problems are Effective LLM Evaluators
von: Huang, Yiming, et al.
Veröffentlicht: (2023)

Flames: Benchmarking Value Alignment of LLMs in Chinese
von: Huang, Kexin, et al.
Veröffentlicht: (2023)

InMind: Evaluating LLMs in Capturing and Applying Individual Human Reasoning Styles
von: Li, Zizhen, et al.
Veröffentlicht: (2025)

MobileBench-OL: A Comprehensive Chinese Benchmark for Evaluating Mobile GUI Agents in Real-World Environment
von: Wu, Qinzhuo, et al.
Veröffentlicht: (2026)

Unveiling the Merits and Defects of LLMs in Automatic Review Generation for Scientific Papers
von: Li, Ruochi, et al.
Veröffentlicht: (2025)

Safety Evaluation of DeepSeek Models in Chinese Contexts
von: Zhang, Wenjing, et al.
Veröffentlicht: (2025)

Discourse-Driven Evaluation: Unveiling Factual Inconsistency in Long Document Summarization
von: Zhong, Yang, et al.
Veröffentlicht: (2025)

PertEval: Unveiling Real Knowledge Capacity of LLMs with Knowledge-Invariant Perturbations
von: Li, Jiatong, et al.
Veröffentlicht: (2024)

Why Does New Knowledge Create Messy Ripple Effects in LLMs?
von: Qin, Jiaxin, et al.
Veröffentlicht: (2024)

Unveiling Divergent Inductive Biases of LLMs on Temporal Data
von: Kishore, Sindhu, et al.
Veröffentlicht: (2024)

LLMs Judge Themselves: A Game-Theoretic Framework for Human-Aligned Evaluation
von: Yang, Gao, et al.
Veröffentlicht: (2025)

CANDY: Benchmarking LLMs' Limitations and Assistive Potential in Chinese Misinformation Fact-Checking
von: Guo, Ruiling, et al.
Veröffentlicht: (2025)

Face4RAG: Factual Consistency Evaluation for Retrieval Augmented Generation in Chinese
von: Xu, Yunqi, et al.
Veröffentlicht: (2024)

Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective
von: Xu, Chengyin, et al.
Veröffentlicht: (2025)

Evaluation Ethics of LLMs in Legal Domain
von: Zhang, Ruizhe, et al.
Veröffentlicht: (2024)

ChiMDQA: Towards Comprehensive Chinese Document QA with Fine-grained Evaluation
von: Gao, Jing, et al.
Veröffentlicht: (2025)

FoundaBench: Evaluating Chinese Fundamental Knowledge Capabilities of Large Language Models
von: Li, Wei, et al.
Veröffentlicht: (2024)

Unveiling Trust in Multimodal Large Language Models: Evaluation, Analysis, and Mitigation
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

Unveiling the Lexical Sensitivity of LLMs: Combinatorial Optimization for Prompt Enhancement
von: Zhan, Pengwei, et al.
Veröffentlicht: (2024)

Benchmarking the Detection of LLMs-Generated Modern Chinese Poetry
von: Wang, Shanshan, et al.
Veröffentlicht: (2025)

Is LLM an Overconfident Judge? Unveiling the Capabilities of LLMs in Detecting Offensive Language with Annotation Disagreement
von: Lu, Junyu, et al.
Veröffentlicht: (2025)

Automating Legal Interpretation with LLMs: Retrieval, Generation, and Evaluation
von: Luo, Kangcheng, et al.
Veröffentlicht: (2025)

Beyond Benchmark: LLMs Evaluation with an Anthropomorphic and Value-oriented Roadmap
von: Wang, Jun, et al.
Veröffentlicht: (2025)

CMoralEval: A Moral Evaluation Benchmark for Chinese Large Language Models
von: Yu, Linhao, et al.
Veröffentlicht: (2024)

Chinese Spelling Correction: A Comprehensive Survey of Progress, Challenges, and Opportunities
von: Liu, Changchun, et al.
Veröffentlicht: (2025)