Buchumschlag

How critically can an AI think? A framework for evaluating the quality of thinking of generative artificial intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zaphir, Luke, Lodge, Jason M., Lisec, Jacinta, McGrath, Dom, Khosravi, Hassan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Lifelong learning challenges in the era of artificial intelligence: a computational thinking perspective
von: Romero, Margarida
Veröffentlicht: (2024)

Explainable artificial intelligence and its key role in education: Promoting critical thinking and autonomy in the classroom
von: Francisco J. Bellas
Veröffentlicht: (2025)

<think> So let's replace this phrase with insult... </think> Lessons learned from generation of toxic texts with LLMs
von: Pletenev, Sergey, et al.
Veröffentlicht: (2025)

Directive, Metacognitive or a Blend of Both? A Comparison of AI-Generated Feedback Types on Student Engagement, Confidence, and Outcomes
von: Alsaiari, Omar, et al.
Veröffentlicht: (2025)

Before you <think>, monitor: Implementing Flavell's metacognitive framework in LLMs
von: Oh, Nick
Veröffentlicht: (2025)

Towards an intelligent assessment system for evaluating the development of algorithmic thinking skills: An exploratory study in Swiss compulsory schools
von: Adorni, Giorgia
Veröffentlicht: (2025)

Multiple Realizability and the Rise of Deep Learning
von: McGrath, Sam Whitman, et al.
Veröffentlicht: (2024)

Trustworthy artificial intelligence in the energy sector: Landscape analysis and evaluation framework
von: Pelekis, Sotiris, et al.
Veröffentlicht: (2024)

Shifting the Gradient: Understanding How Defensive Training Methods Protect Language Model Integrity
von: Grant, Satchel, et al.
Veröffentlicht: (2026)

How Reliable are LLMs as Knowledge Bases? Re-thinking Facutality and Consistency
von: Zheng, Danna, et al.
Veröffentlicht: (2024)

Giving AI a voice: how does AI think it should be treated?
von: Fay, Maria, et al.
Veröffentlicht: (2025)

Automated alignment is harder than you think
von: Bowkis, Aleksandr, et al.
Veröffentlicht: (2026)

Scaling up the think-aloud method
von: Wurgaft, Daniel, et al.
Veröffentlicht: (2025)

Do not think about pink elephant!
von: Hwang, Kyomin, et al.
Veröffentlicht: (2024)

Can machines think efficiently?
von: Winchell, Adam
Veröffentlicht: (2025)

AI Thinking: A framework for rethinking artificial intelligence in practice
von: Newman-Griffis, Denis
Veröffentlicht: (2024)

A theory of appropriateness with applications to generative artificial intelligence
von: Leibo, Joel Z., et al.
Veröffentlicht: (2024)

Changes in our ability to think for ourselves
von: Derewońko Victoria
Veröffentlicht: (2025)

An overview of diffusion models for generative artificial intelligence
von: Gallon, Davide, et al.
Veröffentlicht: (2024)

JurEE not Judges: safeguarding llm interactions with small, specialised Encoder Ensembles
von: Nasrabadi, Dom
Veröffentlicht: (2024)

LLM should think and action as a human
von: Leung, Haun, et al.
Veröffentlicht: (2025)

Segmentation Re-thinking Uncertainty Estimation Metrics for Semantic Segmentation
von: Ma, Qitian, et al.
Veröffentlicht: (2024)

SUDO: a framework for evaluating clinical artificial intelligence systems without ground-truth annotations
von: Kiyasseh, Dani, et al.
Veröffentlicht: (2024)

Can OpenAI o1 outperform humans in higher-order cognitive thinking?
von: Latif, Ehsan, et al.
Veröffentlicht: (2024)

GPT-ology, Computational Models, Silicon Sampling: How should we think about LLMs in Cognitive Science?
von: Ong, Desmond C.
Veröffentlicht: (2024)

CrystalReasoner: Reasoning and RL for Property-Conditioned Crystal Structure Generation
von: Wu, Yuyang, et al.
Veröffentlicht: (2026)

Academ-AI: documenting the undisclosed use of generative artificial intelligence in academic publishing
von: Glynn, Alex
Veröffentlicht: (2024)

Chemical classification program synthesis using generative artificial intelligence
von: Mungall, Christopher J., et al.
Veröffentlicht: (2025)

"I think this is fair": Uncovering the Complexities of Stakeholder Decision-Making in AI Fairness Assessment
von: Luo, Lin, et al.
Veröffentlicht: (2025)

Rethinking industrial artificial intelligence: a unified foundation framework
von: Lee, Jay, et al.
Veröffentlicht: (2025)

Interoceptive machine framework: Toward interoception-inspired regulatory architectures in artificial intelligence
von: Candia-Rivera, Diego
Veröffentlicht: (2026)

A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture
von: Park, Hyun, et al.
Veröffentlicht: (2023)

Grounding Natural Language for Multi-agent Decision-Making with Multi-agentic LLMs
von: Huh, Dom, et al.
Veröffentlicht: (2025)

Teacher agency in the age of generative AI: towards a framework of hybrid intelligence for learning design
von: Frøsig, Thomas B, et al.
Veröffentlicht: (2024)

RoboPilot: Generalizable Dynamic Robotic Manipulation with Dual-thinking Modes
von: Liu, Xinyi, et al.
Veröffentlicht: (2025)

Do great minds think alike? Investigating Human-AI Complementarity in Question Answering with CAIMIRA
von: Gor, Maharshi, et al.
Veröffentlicht: (2024)

Replacing thinking with tool usage enables reasoning in small language models
von: Rainone, Corrado, et al.
Veröffentlicht: (2025)

How VADER is your AI? Towards a definition of artificial intelligence systems appropriate for regulation
von: Bezerra, Leonardo C. T., et al.
Veröffentlicht: (2024)

An evaluation framework for synthetic data generation models
von: Livieris, Ioannis E., et al.
Veröffentlicht: (2024)

Maximize Your Diffusion: A Study into Reward Maximization and Alignment for Diffusion-based Control
von: Huh, Dom, et al.
Veröffentlicht: (2025)