Buchumschlag

CAP: Data Contamination Detection via Consistency Amplification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Yi, Li, Jing, Yang, Linyi
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

Fast-DetectGPT: Efficient Zero-Shot Detection of Machine-Generated Text via Conditional Probability Curvature
von: Bao, Guangsheng, et al.
Veröffentlicht: (2023)

LogitTrace: Detecting Benchmark Contamination via Layerwise Logit Trajectories
von: He, Zirui, et al.
Veröffentlicht: (2025)

Proposal Report for the 2nd SciCAP Competition 2024
von: Li, Pengpeng, et al.
Veröffentlicht: (2024)

Unveiling the Spectrum of Data Contamination in Language Models: A Survey from Detection to Remediation
von: Deng, Chunyuan, et al.
Veröffentlicht: (2024)

A Survey on Data Contamination for Large Language Models
von: Cheng, Yuxing, et al.
Veröffentlicht: (2025)

Confabulations from ACL Publications (CAP): A Dataset for Scientific Hallucination Detection
von: Gamba, Federica, et al.
Veröffentlicht: (2025)

Detecting Data Contamination in LLMs via In-Context Learning
von: Zawalski, Michał, et al.
Veröffentlicht: (2025)

Does Data Contamination Detection Work (Well) for LLMs? A Survey and Evaluation on Detection Assumptions
von: Fu, Yujuan, et al.
Veröffentlicht: (2024)

MCEval: A Dynamic Framework for Fair Multilingual Cultural Evaluation of LLMs
von: Huang, Shulin, et al.
Veröffentlicht: (2025)

Data Contamination Quiz: A Tool to Detect and Estimate Contamination in Large Language Models
von: Golchin, Shahriar, et al.
Veröffentlicht: (2023)

A Rationale-centric Counterfactual Data Augmentation Method for Cross-Document Event Coreference Resolution
von: Ding, Bowen, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Contamination Detection Methods in Large Language Models
von: Ravaut, Mathieu, et al.
Veröffentlicht: (2024)

Transferable and Efficient Non-Factual Content Detection via Probe Training with Offline Consistency Checking
von: Zhang, Xiaokang, et al.
Veröffentlicht: (2024)

"AGI" team at SHROOM-CAP: Data-Centric Approach to Multilingual Hallucination Detection using XLM-RoBERTa
von: Rathva, Harsh, et al.
Veröffentlicht: (2025)

MAGE: Machine-generated Text Detection in the Wild
von: Li, Yafu, et al.
Veröffentlicht: (2023)

CAP-LLM: Context-Augmented Personalized Large Language Models for News Headline Generation
von: Wilson, Raymond, et al.
Veröffentlicht: (2025)

DCR: Quantifying Data Contamination in LLMs Evaluation
von: Xu, Cheng, et al.
Veröffentlicht: (2025)

Collapsed Language Models Promote Fairness
von: Xu, Jingxuan, et al.
Veröffentlicht: (2024)

CreativeBench: Benchmarking and Enhancing Machine Creativity via Self-Evolving Challenges
von: Wang, Zi-Han, et al.
Veröffentlicht: (2026)

Investigating Data Contamination in Modern Benchmarks for Large Language Models
von: Deng, Chunyuan, et al.
Veröffentlicht: (2023)

A Logically Consistent Chain-of-Thought Approach for Stance Detection
von: Zhang, Bowen, et al.
Veröffentlicht: (2023)

Personality Alignment of Large Language Models
von: Zhu, Minjun, et al.
Veröffentlicht: (2024)

A Taxonomy for Data Contamination in Large Language Models
von: Palavalli, Medha, et al.
Veröffentlicht: (2024)

CAP: Evaluation of Persuasive and Creative Image Generation
von: Aghazadeh, Aysan, et al.
Veröffentlicht: (2024)

DICE: Detecting In-distribution Contamination in LLM's Fine-tuning Phase for Math Reasoning
von: Tu, Shangqing, et al.
Veröffentlicht: (2024)

AutoCAP: Towards Automatic Cross-lingual Alignment Planning for Zero-shot Chain-of-Thought
von: Zhang, Yongheng, et al.
Veröffentlicht: (2024)

An Open Source Data Contamination Report for Large Language Models
von: Li, Yucheng, et al.
Veröffentlicht: (2023)

Detecting Data Contamination from Reinforcement Learning Post-training for Large Language Models
von: Tao, Yongding, et al.
Veröffentlicht: (2025)

LaF-GRPO: In-Situ Navigation Instruction Generation for the Visually Impaired via GRPO with LLM-as-Follower Reward
von: Zhao, Yi, et al.
Veröffentlicht: (2025)

Benchmark Data Contamination of Large Language Models: A Survey
von: Xu, Cheng, et al.
Veröffentlicht: (2024)

Data Contamination in Neural Hieroglyphic Translation: A Reproducibility Study
von: Toutou, Ammar, et al.
Veröffentlicht: (2026)

Evading Data Contamination Detection for Language Models is (too) Easy
von: Dekoninck, Jasper, et al.
Veröffentlicht: (2024)

Towards Data Contamination Detection for Modern Large Language Models: Limitations, Inconsistencies, and Oracle Challenges
von: Samuel, Vinay, et al.
Veröffentlicht: (2024)

ConStat: Performance-Based Contamination Detection in Large Language Models
von: Dekoninck, Jasper, et al.
Veröffentlicht: (2024)

Data Contamination Can Cross Language Barriers
von: Yao, Feng, et al.
Veröffentlicht: (2024)

Quantifying Data Contamination in Psychometric Evaluations of LLMs
von: Han, Jongwook, et al.
Veröffentlicht: (2025)

AdEval: Alignment-based Dynamic Evaluation to Mitigate Data Contamination in Large Language Models
von: Fan, Yang
Veröffentlicht: (2025)

Explainable Fake News Detection With Large Language Model via Defense Among Competing Wisdom
von: Wang, Bo, et al.
Veröffentlicht: (2024)

Data Contamination Report from the 2024 CONDA Shared Task
von: Sainz, Oscar, et al.
Veröffentlicht: (2024)

No Attacker Needed: Unintentional Cross-User Contamination in Shared-State LLM Agents
von: Yang, Tiankai, et al.
Veröffentlicht: (2026)