Buchumschlag

Explain-Query-Test: Self-Evaluating LLMs Via Explanation and Comprehension Discrepancy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Taghanaki, Saeid Asgari, Monteiro, Joao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MMLU-Pro+: Evaluating Higher-Order Reasoning and Shortcut Learning in LLMs
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2024)

Detecting Generative Parroting through Overfitting Masked Autoencoders
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2024)

LLMs for XAI: Future Directions for Explaining Explanations
von: Zytek, Alexandra, et al.
Veröffentlicht: (2024)

TExplain: Explaining Learned Visual Features via Pre-trained (Frozen) Language Models
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2023)

SLiMe: Segment Like Me
von: Khani, Aliasghar, et al.
Veröffentlicht: (2023)

Query-Focused Extractive Summarization for Sentiment Explanation
von: Moubtahij, Ahmed, et al.
Veröffentlicht: (2025)

Selective Explanations
von: Paes, Lucas Monteiro, et al.
Veröffentlicht: (2024)

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations
von: Wang, Qianli, et al.
Veröffentlicht: (2026)

Disentangled PET Lesion Segmentation
von: Gatsak, Tanya, et al.
Veröffentlicht: (2024)

A Comprehensive Evaluation of Neural SPARQL Query Generation from Natural Language Questions
von: Diallo, Papa Abdou Karim Karou, et al.
Veröffentlicht: (2023)

Deep Semantic Segmentation of Natural and Medical Images: A Review
von: Taghanaki, Saeid Asgari, et al.
Veröffentlicht: (2019)

Query Performance Explanation through Large Language Model for HTAP Systems
von: Xiu, Haibo, et al.
Veröffentlicht: (2024)

Query-Conditioned Test-Time Self-Training for Large Language Models
von: Song, Chaehee, et al.
Veröffentlicht: (2026)

LLMs Explain't: A Post-Mortem on Semantic Interpretability in Transformer Models
von: Abdelhalim, Alhassan, et al.
Veröffentlicht: (2026)

LLMs Don't Know Their Own Decision Boundaries: The Unreliability of Self-Generated Counterfactual Explanations
von: Mayne, Harry, et al.
Veröffentlicht: (2025)

Explaining Length Bias in LLM-Based Preference Evaluations
von: Hu, Zhengyu, et al.
Veröffentlicht: (2024)

Self-AMPLIFY: Improving Small Language Models with Self Post Hoc Explanations
von: Bhan, Milan, et al.
Veröffentlicht: (2024)

Aligning Attention with Human Rationales for Self-Explaining Hate Speech Detection
von: Eilertsen, Brage, et al.
Veröffentlicht: (2025)

Harnessing LLMs Explanations to Boost Surrogate Models in Tabular Data Classification
von: Shi, Ruxue, et al.
Veröffentlicht: (2025)

Latent Logic Tree Extraction for Event Sequence Explanation from LLMs
von: Song, Zitao, et al.
Veröffentlicht: (2024)

A Comprehensive Evaluation framework of Alignment Techniques for LLMs
von: Azmat, Muneeza, et al.
Veröffentlicht: (2025)

GRILE: A Benchmark for Grammar Reasoning and Explanation in Romanian LLMs
von: Dumitran, Adrian-Marius, et al.
Veröffentlicht: (2025)

Predicting the Performance of Black-box LLMs through Follow-up Queries
von: Sam, Dylan, et al.
Veröffentlicht: (2025)

LLMs Are Not Intelligent Thinkers: Introducing Mathematical Topic Tree Benchmark for Comprehensive Evaluation of LLMs
von: Davoodi, Arash Gholami, et al.
Veröffentlicht: (2024)

Evaluating LLMs for Hardware Design and Test
von: Blocklove, Jason, et al.
Veröffentlicht: (2024)

Evaluating LLMs for Demographic-Targeted Social Bias Detection: A Comprehensive Benchmark Study
von: Majumdar, Ayan, et al.
Veröffentlicht: (2025)

Towards Universal and Black-Box Query-Response Only Attack on LLMs with QROA
von: Jawad, Hussein, et al.
Veröffentlicht: (2024)

Shared Lexical Task Representations Explain Behavioral Variability In LLMs
von: Yang, Zhuonan, et al.
Veröffentlicht: (2026)

In-Context Explainers: Harnessing LLMs for Explaining Black Box Models
von: Kroeger, Nicholas, et al.
Veröffentlicht: (2023)

Word Sense Detection Leveraging Maximum Mean Discrepancy
von: Mitsuzawa, Kensuke
Veröffentlicht: (2025)

ExPO: Unlocking Hard Reasoning with Self-Explanation-Guided Reinforcement Learning
von: Zhou, Ruiyang, et al.
Veröffentlicht: (2025)

Resolving Discrepancies in Compute-Optimal Scaling of Language Models
von: Porian, Tomer, et al.
Veröffentlicht: (2024)

Chain of Simulation: A Dual-Mode Reasoning Framework for Large Language Models with Dynamic Problem Routing
von: Sheikhi, Saeid
Veröffentlicht: (2026)

CFSafety: Comprehensive Fine-grained Safety Assessment for LLMs
von: Liu, Zhihao, et al.
Veröffentlicht: (2024)

An Evaluation of Explanation Methods for Black-Box Detectors of Machine-Generated Text
von: Schoenegger, Loris, et al.
Veröffentlicht: (2024)

ADAM: A Diverse Archive of Mankind for Evaluating and Enhancing LLMs in Biographical Reasoning
von: Cekinmez, Jasin, et al.
Veröffentlicht: (2025)

MMD-Flagger: Leveraging Maximum Mean Discrepancy to Detect Hallucinations
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2025)

Sample-Efficient Human Evaluation of Large Language Models via Maximum Discrepancy Competition
von: Feng, Kehua, et al.
Veröffentlicht: (2024)

Optimal Query Allocation in Extractive QA with LLMs: A Learning-to-Defer Framework with Theoretical Guarantees
von: Montreuil, Yannis, et al.
Veröffentlicht: (2024)

SoftQE: Learned Representations of Queries Expanded by LLMs
von: Pimpalkhute, Varad, et al.
Veröffentlicht: (2024)