Buchumschlag

BenTo: Benchmark Task Reduction with In-Context Transferability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Hongyu, Li, Ming, Sun, Lichao, Zhou, Tianyi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Missing Premise exacerbates Overthinking: Are Reasoning Models losing Critical Thinking Skill?
von: Fan, Chenrui, et al.
Veröffentlicht: (2025)

SpecHub: Provable Acceleration to Multi-Draft Speculative Decoding
von: Sun, Ryan, et al.
Veröffentlicht: (2024)

TS-Reasoner: Aligning Time Series Foundation Models with LLM Reasoning
von: Yu, Fangxu, et al.
Veröffentlicht: (2025)

GR-Ben: A General Reasoning Benchmark for Evaluating Process Reward Models
von: Sun, Zhouhao, et al.
Veröffentlicht: (2026)

In-Context Transfer Learning: Demonstration Synthesis by Transferring Similar Tasks
von: Wang, Dingzirui, et al.
Veröffentlicht: (2024)

1+1>2: Can Large Language Models Serve as Cross-Lingual Knowledge Aggregators?
von: Huang, Yue, et al.
Veröffentlicht: (2024)

MultiFinBen: Benchmarking Large Language Models for Multilingual and Multimodal Financial Application
von: Peng, Xueqing, et al.
Veröffentlicht: (2025)

Neuro-Symbolic Synergy for Interactive World Modeling
von: Zhao, Hongyu, et al.
Veröffentlicht: (2026)

Superfiltering: Weak-to-Strong Data Filtering for Fast Instruction-Tuning
von: Li, Ming, et al.
Veröffentlicht: (2024)

Submodular Context Partitioning and Compression for In-Context Learning
von: Zheng, Shaoyi, et al.
Veröffentlicht: (2025)

CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code
von: Guan, Batu, et al.
Veröffentlicht: (2024)

Mosaic-IT: Cost-Free Compositional Data Synthesis for Instruction Tuning
von: Li, Ming, et al.
Veröffentlicht: (2024)

FakeGPT: Fake News Generation, Explanation and Detection of Large Language Models
von: Huang, Yue, et al.
Veröffentlicht: (2023)

MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs
von: Zeng, Zhongshen, et al.
Veröffentlicht: (2024)

I Think, Therefore I am: Benchmarking Awareness of Large Language Models Using AwareBench
von: Li, Yuan, et al.
Veröffentlicht: (2024)

FinBen: A Holistic Financial Benchmark for Large Language Models
von: Xie, Qianqian, et al.
Veröffentlicht: (2024)

Does Socialization Emerge in AI Agent Society? A Case Study of Moltbook
von: Li, Ming, et al.
Veröffentlicht: (2026)

When AI Navigates the Fog of War
von: Li, Ming, et al.
Veröffentlicht: (2026)

Where to show Demos in Your Prompt: A Positional Bias of In-Context Learning
von: Cobbina, Kwesi, et al.
Veröffentlicht: (2025)

Label Words as Local Task Vectors in In-Context Learning
von: Zheng, Bowen, et al.
Veröffentlicht: (2024)

CrossICL: Cross-Task In-Context Learning via Unsupervised Demonstration Transfer
von: Gao, Jinglong, et al.
Veröffentlicht: (2025)

BenGER: Benchmarking LLM Systems on Subsumption-Based Legal Reasoning in German Law
von: Nagl, Sebastian, et al.
Veröffentlicht: (2026)

TaxPraBen: A Scalable Benchmark for Structured Evaluation of LLMs in Chinese Real-World Tax Practice
von: Hu, Gang, et al.
Veröffentlicht: (2026)

PharmaShip: An Entity-Centric, Reading-Order-Supervised Benchmark for Chinese Pharmaceutical Shipping Documents
von: Xie, Tingwei, et al.
Veröffentlicht: (2025)

RMTBench: Benchmarking LLMs Through Multi-Turn User-Centric Role-Playing
von: Xiang, Hao, et al.
Veröffentlicht: (2025)

LLMsPark: A Benchmark for Evaluating Large Language Models in Strategic Gaming Contexts
von: Chen, Junhao, et al.
Veröffentlicht: (2025)

TaskComplexity: A Dataset for Task Complexity Classification with In-Context Learning, FLAN-T5 and GPT-4o Benchmarks
von: Rasheed, Areeg Fahad, et al.
Veröffentlicht: (2024)

What Happened in LLMs Layers when Trained for Fast vs. Slow Thinking: A Gradient Perspective
von: Li, Ming, et al.
Veröffentlicht: (2024)

BenHalluEval: A Multi-Task Hallucination Evaluation Framework for Large Language Models on Bengali
von: Adib, Shefayat E Shams, et al.
Veröffentlicht: (2026)

Can LLMs Correct Themselves? A Benchmark of Self-Correction in LLMs
von: Tie, Guiyao, et al.
Veröffentlicht: (2025)

Can Large Language Models Automatically Jailbreak GPT-4V?
von: Wu, Yuanwei, et al.
Veröffentlicht: (2024)

M4LE: A Multi-Ability Multi-Range Multi-Task Multi-Domain Long-Context Evaluation Benchmark for Large Language Models
von: Kwan, Wai-Chung, et al.
Veröffentlicht: (2023)

EPPCMinerBen: A Novel Benchmark for Evaluating Large Language Models on Electronic Patient-Provider Communication via the Patient Portal
von: Fodeh, Samah, 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)

MMLongCite: A Benchmark for Evaluating Fidelity of Long-Context Vision-Language Models
von: Zhou, Keyan, et al.
Veröffentlicht: (2025)

CL-bench: A Benchmark for Context Learning
von: Dou, Shihan, et al.
Veröffentlicht: (2026)

CCF: A Context Compression Framework for Efficient Long-Sequence Language Modeling
von: Li, Wenhao, et al.
Veröffentlicht: (2025)

Open Grounded Planning: Challenges and Benchmark Construction
von: Guo, Shiguang, et al.
Veröffentlicht: (2024)

Does the Generator Mind its Contexts? An Analysis of Generative Model Faithfulness under Context Transfer
von: Hu, Xinshuo, et al.
Veröffentlicht: (2024)

LongGenBench: Benchmarking Long-Form Generation in Long Context LLMs
von: Wu, Yuhao, et al.
Veröffentlicht: (2024)