C$^2$LEVA: Toward Comprehensive and Contamination-Free Language Model Evaluation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Yanyang, Wong, Tin Long, Hung, Cheung To, Zhao, Jianqiao, Zheng, Duo, Liu, Ka Wai, Lyu, Michael R., Wang, Liwei |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Making Long-Context Language Models Better Multi-Hop Reasoners
par: Li, Yanyang, et autres
Publié: (2024)
par: Li, Yanyang, et autres
Publié: (2024)
Learning to Reason from Feedback at Test-Time
par: Li, Yanyang, et autres
Publié: (2025)
par: Li, Yanyang, et autres
Publié: (2025)
Clean Evaluations on Contaminated Visual Language Models
par: Lu, Hongyuan, et autres
Publié: (2024)
par: Lu, Hongyuan, et autres
Publié: (2024)
Efficient-VLN: A Training-Efficient Vision-Language Navigation Model
par: Zheng, Duo, et autres
Publié: (2025)
par: Zheng, Duo, et autres
Publié: (2025)
LNE-Blocking: An Efficient Framework for Contamination Mitigation Evaluation on Large Language Models
par: Hou, Ruijie, et autres
Publié: (2025)
par: Hou, Ruijie, et autres
Publié: (2025)
A Comprehensive Survey of Contamination Detection Methods in Large Language Models
par: Ravaut, Mathieu, et autres
Publié: (2024)
par: Ravaut, Mathieu, et autres
Publié: (2024)
Video-3D LLM: Learning Position-Aware Video Representation for 3D Scene Understanding
par: Zheng, Duo, et autres
Publié: (2024)
par: Zheng, Duo, et autres
Publié: (2024)
Towards Holistic Evaluation of Large Audio-Language Models: A Comprehensive Survey
par: Yang, Chih-Kai, et autres
Publié: (2025)
par: Yang, Chih-Kai, et autres
Publié: (2025)
Learning from Videos for 3D World: Enhancing MLLMs with 3D Vision Geometry Priors
par: Zheng, Duo, et autres
Publié: (2025)
par: Zheng, Duo, et autres
Publié: (2025)
The Heap: A Contamination-Free Multilingual Code Dataset for Evaluating Large Language Models
par: Katzy, Jonathan, et autres
Publié: (2025)
par: Katzy, Jonathan, et autres
Publié: (2025)
HKCanto-Eval: A Benchmark for Evaluating Cantonese Language Understanding and Cultural Comprehension in LLMs
par: Cheng, Tsz Chung, et autres
Publié: (2025)
par: Cheng, Tsz Chung, et autres
Publié: (2025)
Towards Reliable Benchmarking: A Contamination Free, Controllable Evaluation Framework for Multi-step LLM Function Calling
par: Maekawa, Seiji, et autres
Publié: (2025)
par: Maekawa, Seiji, et autres
Publié: (2025)
Evaluating Large Language Model Capability in Vietnamese Fact-Checking Data Generation
par: To, Long Truong, et autres
Publié: (2024)
par: To, Long Truong, et autres
Publié: (2024)
Language Models and Cycle Consistency for Self-Reflective Machine Translation
par: Wangni, Jianqiao
Publié: (2024)
par: Wangni, Jianqiao
Publié: (2024)
LiveCodeBench: Holistic and Contamination Free Evaluation of Large Language Models for Code
par: Jain, Naman, et autres
Publié: (2024)
par: Jain, Naman, et autres
Publié: (2024)
SCALE: Towards Collaborative Content Analysis in Social Science with Large Language Model Agents and Human Intervention
par: Zhao, Chengshuai, et autres
Publié: (2025)
par: Zhao, Chengshuai, et autres
Publié: (2025)
CLEAN-EVAL: Clean Evaluation on Contaminated Large Language Models
par: Zhu, Wenhong, et autres
Publié: (2023)
par: Zhu, Wenhong, et autres
Publié: (2023)
A Systematic Study of Training-Free Methods for Trustworthy Large Language Models
par: Si, Wai Man, et autres
Publié: (2026)
par: Si, Wai Man, et autres
Publié: (2026)
A Comprehensive Evaluation on Event Reasoning of Large Language Models
par: Tao, Zhengwei, et autres
Publié: (2024)
par: Tao, Zhengwei, et autres
Publié: (2024)
NeMo: Needle in a Montage for Video-Language Understanding
par: Hu, Zi-Yuan, et autres
Publié: (2025)
par: Hu, Zi-Yuan, et autres
Publié: (2025)
NaturalConv: A Chinese Dialogue Dataset Towards Multi-turn Topic-driven Conversation
par: Wang, Xiaoyang, et autres
Publié: (2021)
par: Wang, Xiaoyang, et autres
Publié: (2021)
Towards Personalized Evaluation of Large Language Models with An Anonymous Crowd-Sourcing Platform
par: Cheng, Mingyue, et autres
Publié: (2024)
par: Cheng, Mingyue, et autres
Publié: (2024)
S-Eval: Towards Automated and Comprehensive Safety Evaluation for Large Language Models
par: Yuan, Xiaohan, et autres
Publié: (2024)
par: Yuan, Xiaohan, et autres
Publié: (2024)
BeyondBench: Contamination-Resistant Evaluation of Reasoning in Language Models
par: Srivastava, Gaurav, et autres
Publié: (2025)
par: Srivastava, Gaurav, et autres
Publié: (2025)
Quantifying Contamination in Evaluating Code Generation Capabilities of Language Models
par: Riddell, Martin, et autres
Publié: (2024)
par: Riddell, Martin, et autres
Publié: (2024)
Integration of Explainable AI Techniques with Large Language Models for Enhanced Interpretability for Sentiment Analysis
par: Thogesan, Thivya, et autres
Publié: (2025)
par: Thogesan, Thivya, et autres
Publié: (2025)
ValueBench: Towards Comprehensively Evaluating Value Orientations and Understanding of Large Language Models
par: Ren, Yuanyi, et autres
Publié: (2024)
par: Ren, Yuanyi, et autres
Publié: (2024)
Membership Inference on LLMs in the Wild
par: Yi, Jiatong, et autres
Publié: (2026)
par: Yi, Jiatong, et autres
Publié: (2026)
Towards Contamination Resistant Benchmarks
par: Musawi, Rahmatullah, et autres
Publié: (2025)
par: Musawi, Rahmatullah, et autres
Publié: (2025)
Bilingual Evaluation of Language Models on General Knowledge in University Entrance Exams with Minimal Contamination
par: Salido, Eva Sánchez, et autres
Publié: (2024)
par: Salido, Eva Sánchez, et autres
Publié: (2024)
Induced Numerical Instability: Hidden Costs in Multimodal Large Language Models
par: Wong, Wai Tuck, et autres
Publié: (2026)
par: Wong, Wai Tuck, et autres
Publié: (2026)
Investigating Data Contamination in Modern Benchmarks for Large Language Models
par: Deng, Chunyuan, et autres
Publié: (2023)
par: Deng, Chunyuan, et autres
Publié: (2023)
LEVA: Using Large Language Models to Enhance Visual Analytics
par: Zhao, Yuheng, et autres
Publié: (2024)
par: Zhao, Yuheng, et autres
Publié: (2024)
PortLLM: Personalizing Evolving Large Language Models with Training-Free and Portable Model Patches
par: Khan, Rana Muhammad Shahroz, et autres
Publié: (2024)
par: Khan, Rana Muhammad Shahroz, et autres
Publié: (2024)
Hallucination Detection with Small Language Models
par: Cheung, Ming
Publié: (2025)
par: Cheung, Ming
Publié: (2025)
Comprehensive Evaluation of Large Language Models for Topic Modeling
par: Doi, Tomoki, et autres
Publié: (2024)
par: Doi, Tomoki, et autres
Publié: (2024)
No LLM is Free From Bias: A Comprehensive Study of Bias Evaluation in Large Language Models
par: Kumar, Charaka Vinayak, et autres
Publié: (2025)
par: Kumar, Charaka Vinayak, et autres
Publié: (2025)
Towards Comprehensive Post Safety Alignment of Large Language Models via Safety Patching
par: Zhao, Weixiang, et autres
Publié: (2024)
par: Zhao, Weixiang, et autres
Publié: (2024)
Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models
par: Lin, Yi-Cheng, et autres
Publié: (2024)
par: Lin, Yi-Cheng, et autres
Publié: (2024)
A Taxonomy for Data Contamination in Large Language Models
par: Palavalli, Medha, et autres
Publié: (2024)
par: Palavalli, Medha, et autres
Publié: (2024)
Documents similaires
-
Making Long-Context Language Models Better Multi-Hop Reasoners
par: Li, Yanyang, et autres
Publié: (2024) -
Learning to Reason from Feedback at Test-Time
par: Li, Yanyang, et autres
Publié: (2025) -
Clean Evaluations on Contaminated Visual Language Models
par: Lu, Hongyuan, et autres
Publié: (2024) -
Efficient-VLN: A Training-Efficient Vision-Language Navigation Model
par: Zheng, Duo, et autres
Publié: (2025) -
LNE-Blocking: An Efficient Framework for Contamination Mitigation Evaluation on Large Language Models
par: Hou, Ruijie, et autres
Publié: (2025)