:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sokol, Anna, Daly, Elizabeth, Hind, Michael, Piorkowski, David, Zhang, Xiangliang, Moniz, Nuno, Chawla, Nitesh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2410.12974
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Auto-BenchmarkCard: Automated Synthesis of Benchmark Documentation
von: Hofmann, Aris, et al.
Veröffentlicht: (2025)

Conformalized Selective Regression
von: Sokol, Anna, et al.
Veröffentlicht: (2024)

Breaking Language Barriers: Equitable Performance in Multilingual Language Models
von: Nagar, Tanay, et al.
Veröffentlicht: (2025)

Class-Aware Contrastive Optimization for Imbalanced Text Classification
von: Khvatskii, Grigorii, et al.
Veröffentlicht: (2024)

LabSafety Bench: Benchmarking LLMs on Safety Issues in Scientific Labs
von: Zhou, Yujun, et al.
Veröffentlicht: (2024)

AutoLLMResearch: Training Research Agents for Automating LLM Experiment Configuration - Learning from Cheap, Optimizing Expensive
von: Guo, Taicheng, et al.
Veröffentlicht: (2026)

Language Models in Dialogue: Conversational Maxims for Human-AI Interactions
von: Miehling, Erik, et al.
Veröffentlicht: (2024)

Capability-Oriented Training Induced Alignment Risk
von: Zhou, Yujun, et al.
Veröffentlicht: (2026)

Large Language Model based Multi-Agents: A Survey of Progress and Challenges
von: Guo, Taicheng, et al.
Veröffentlicht: (2024)

NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning
von: Zhang, Zheyuan, et al.
Veröffentlicht: (2024)

Justice or Prejudice? Quantifying Biases in LLM-as-a-Judge
von: Ye, Jiayi, et al.
Veröffentlicht: (2024)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

SMOTExT: SMOTE meets Large Language Models
von: Bystroński, Mateusz, et al.
Veröffentlicht: (2025)

PolicyLLM: Towards Excellent Comprehension of Public Policy for Large Language Models
von: Bao, Han, et al.
Veröffentlicht: (2026)

Cards Against LLMs: Benchmarking Humor Alignment in Large Language Models
von: Fettach, Yousra, et al.
Veröffentlicht: (2026)

AnyLoss: Transforming Classification Metrics into Loss Functions
von: Han, Doheon, et al.
Veröffentlicht: (2024)

Intersectional Divergence: Measuring Fairness in Regression
von: Germino, Joe, et al.
Veröffentlicht: (2025)

Emergent Social Intelligence Risks in Generative Multi-Agent Systems
von: Huang, Yue, et al.
Veröffentlicht: (2026)

CiteAudit: You Cited It, But Did You Read It? A Benchmark for Verifying Scientific References in the LLM Era
von: Shi, Kaiwen, et al.
Veröffentlicht: (2026)

Automated Benchmark Generation from Domain Guidelines Informed by Bloom's Taxonomy
von: Chen, Si, et al.
Veröffentlicht: (2026)

Do Multimodal Large Language Models Understand Welding?
von: Khvatskii, Grigorii, et al.
Veröffentlicht: (2025)

Adaptive Testing for LLM Evaluation: A Psychometric Alternative to Static Benchmarks
von: Li, Peiyu, et al.
Veröffentlicht: (2025)

Evaluating a Methodology for Increasing AI Transparency: A Case Study
von: Piorkowski, David, et al.
Veröffentlicht: (2022)

Differentially-Private Data Synthetisation for Efficient Re-Identification Risk Control
von: Carvalho, Tânia, et al.
Veröffentlicht: (2022)

SocialMaze: A Benchmark for Evaluating Social Reasoning in Large Language Models
von: Xu, Zixiang, et al.
Veröffentlicht: (2025)

Are we making much progress? Revisiting chemical reaction yield prediction from an imbalanced regression perspective
von: Ma, Yihong, et al.
Veröffentlicht: (2024)

GAF-Guard: An Agentic Framework for Risk Management and Governance in Large Language Models
von: Tirupathi, Seshu, et al.
Veröffentlicht: (2025)

Redefining Simplicity: Benchmarking Large Language Models from Lexical to Document Simplification
von: Qiang, Jipeng, et al.
Veröffentlicht: (2025)

Benchmarking Large Language Models for Conversational Question Answering in Multi-instructional Documents
von: Wu, Shiwei, et al.
Veröffentlicht: (2024)

Graph Neural Prompting with Large Language Models
von: Tian, Yijun, et al.
Veröffentlicht: (2023)

MEBench: Benchmarking Large Language Models for Cross-Document Multi-Entity Question Answering
von: Lin, Teng, et al.
Veröffentlicht: (2025)

DesignQA: A Multimodal Benchmark for Evaluating Large Language Models' Understanding of Engineering Documentation
von: Doris, Anna C., et al.
Veröffentlicht: (2024)

Doc-PP: Document Policy Preservation Benchmark for Large Vision-Language Models
von: Jang, Haeun, et al.
Veröffentlicht: (2026)

Benchmarking Benchmark Leakage in Large Language Models
von: Xu, Ruijie, et al.
Veröffentlicht: (2024)

Reliable Control-Point Selection for Steering Reasoning in Large Language Models
von: Zhuang, Haomin, et al.
Veröffentlicht: (2026)

Can Large Language Models Master Complex Card Games?
von: Wang, Wei, et al.
Veröffentlicht: (2025)

A Survey on Large Language Model Benchmarks
von: Ni, Shiwen, et al.
Veröffentlicht: (2025)

Shaping the Safety Boundaries: Understanding and Defending Against Jailbreaks in Large Language Models
von: Gao, Lang, et al.
Veröffentlicht: (2024)

Evaluating Large Language Models with Psychometrics
von: Li, Yuan, et al.
Veröffentlicht: (2024)

LLMs4All: A Review of Large Language Models Across Academic Disciplines
von: Ye, Yanfang, et al.
Veröffentlicht: (2025)