Buchumschlag

WiS Platform: Enhancing Evaluation of LLM-Based Multi-Agent Systems Through Game-Based Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Chengwei, Zheng, Jianhui, He, Yancheng, Guo, Hangyu, Jiang, Junguang, Zhu, Han, Sun, Kai, Jiang, Yuning, Su, Wenbo, Zheng, Bo
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

GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models
von: Li, Shilong, et al.
Veröffentlicht: (2024)

AIR: Complex Instruction Generation via Automatic Iterative Refinement
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Chinese SimpleQA: A Chinese Factuality Evaluation for Large Language Models
von: He, Yancheng, et al.
Veröffentlicht: (2024)

2D-DPO: Scaling Direct Preference Optimization with 2-Dimensional Supervision
von: Li, Shilong, et al.
Veröffentlicht: (2024)

ChineseEcomQA: A Scalable E-commerce Concept Evaluation Benchmark for Large Language Models
von: Chen, Haibin, et al.
Veröffentlicht: (2025)

QAgent: A modular Search Agent with Interactive Query Understanding
von: Jiang, Yi, et al.
Veröffentlicht: (2025)

LLM-Augmented Digital Twin for Policy Evaluation in Short-Video Platforms
von: Zhang, Haoting, et al.
Veröffentlicht: (2026)

SiriusHelper: An LLM Agent-Based Operations Assistant for Big Data Platforms
von: Shen, Yu, et al.
Veröffentlicht: (2026)

Enhancing Player Enjoyment with a Two-Tier DRL and LLM-Based Agent System for Fighting Games
von: Wang, Shouren, et al.
Veröffentlicht: (2025)

KORGym: A Dynamic Game Platform for LLM Reasoning Evaluation
von: Shi, Jiajun, et al.
Veröffentlicht: (2025)

Asymmetric Proximal Policy Optimization: mini-critics boost LLM reasoning
von: Liu, Jiashun, et al.
Veröffentlicht: (2025)

LAMBDA: A Large Model Based Data Agent
von: Sun, Maojun, et al.
Veröffentlicht: (2024)

MCU: An Evaluation Framework for Open-Ended Game Agents
von: Zheng, Xinyue, et al.
Veröffentlicht: (2023)

VulnLLM-R: Specialized Reasoning LLM with Agent Scaffold for Vulnerability Detection
von: Nie, Yuzhou, et al.
Veröffentlicht: (2025)

SEAR: Schema-Based Evaluation and Routing for LLM Gateways
von: Zhang, Zecheng, et al.
Veröffentlicht: (2026)

WiLoc: Massive Measured Dataset of Wi-Fi Channel State Information with Application to Machine-Learning Based Localization
von: Zhang, Yuning, et al.
Veröffentlicht: (2026)

LLM-Based Multi-Hop Question Answering with Knowledge Graph Integration in Evolving Environments
von: Chen, Ruirui, et al.
Veröffentlicht: (2024)

On the Importance of Task Complexity in Evaluating LLM-Based Multi-Agent Systems
von: Tang, Bohan, et al.
Veröffentlicht: (2025)

SecAgent: Efficient Mobile GUI Agent with Semantic Context
von: Xie, Yiping, et al.
Veröffentlicht: (2026)

Mobile-R1: Towards Interactive Capability for VLM-Based Mobile Agent via Systematic Training
von: Gu, Jihao, et al.
Veröffentlicht: (2025)

DiscoUQ: Structured Disagreement Analysis for Uncertainty Quantification in LLM Agent Ensembles
von: Jiang, Bo
Veröffentlicht: (2026)

DistillGuard: Evaluating Defenses Against LLM Knowledge Distillation
von: Jiang, Bo
Veröffentlicht: (2026)

MT-Bench-101: A Fine-Grained Benchmark for Evaluating Large Language Models in Multi-Turn Dialogues
von: Bai, Ge, et al.
Veröffentlicht: (2024)

Think before Recommendation: Autonomous Reasoning-enhanced Recommender
von: Kong, Xiaoyu, et al.
Veröffentlicht: (2025)

Large Language Model as Universal Retriever in Industrial-Scale Recommender System
von: Jiang, Junguang, et al.
Veröffentlicht: (2025)

EDRF: Enhanced Driving Risk Field Based on Multimodal Trajectory Prediction and Its Applications
von: Jiang, Junkai, et al.
Veröffentlicht: (2024)

CE-RM: A Pointwise Generative Reward Model Optimized via Two-Stage Rollout and Unified Criteria
von: Hu, Xinyu, et al.
Veröffentlicht: (2026)

One Model Is Enough: Native Retrieval Embeddings from LLM Agent Hidden States
von: Jiang, Bo
Veröffentlicht: (2026)

Flow-of-Action: SOP Enhanced LLM-Based Multi-Agent System for Root Cause Analysis
von: Pei, Changhua, et al.
Veröffentlicht: (2025)

The Necessity of a Unified Framework for LLM-Based Agent Evaluation
von: Zhu, Pengyu, et al.
Veröffentlicht: (2026)

Evolutionary Perspectives on the Evaluation of LLM-Based AI Agents: A Comprehensive Survey
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

AgentVista: Evaluating Multimodal Agents in Ultra-Challenging Realistic Visual Scenarios
von: Su, Zhaochen, et al.
Veröffentlicht: (2026)

AndroidLens: Long-latency Evaluation with Nested Sub-targets for Android GUI Agents
von: Cao, Yue, et al.
Veröffentlicht: (2025)

HindSight: Evaluating LLM-Generated Research Ideas via Future Impact
von: Jiang, Bo
Veröffentlicht: (2026)

When AI Agents Collude Online: Financial Fraud Risks by Collaborative LLM Agents on Social Platforms
von: Ren, Qibing, et al.
Veröffentlicht: (2025)

NeuroLip: An Event-driven Spatiotemporal Learning Framework for Cross-Scene Lip-Motion-based Visual Speaker Recognition
von: Yao, Junguang, et al.
Veröffentlicht: (2026)

Chinese SafetyQA: A Safety Short-form Factuality Benchmark for Large Language Models
von: Tan, Yingshui, et al.
Veröffentlicht: (2024)

Enhancing Interpretable Image Classification Through LLM Agents and Conditional Concept Bottleneck Models
von: Jiang, Yiwen, et al.
Veröffentlicht: (2025)

Reinforced Preference Optimization for Recommendation
von: Tan, Junfei, et al.
Veröffentlicht: (2025)

Solving the Content Gap in Roblox Game Recommendations: LLM-Based Profile Generation and Reranking
von: Wang, Chen, et al.
Veröffentlicht: (2025)