Buchumschlag

Communication is All You Need: Persuasion Dataset Construction via Multi-LLM Communication

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Weicheng, Zhang, Hefan, Yang, Ivory, Ji, Shiyu, Chen, Joice, Hashemi, Farnoosh, Mohole, Shubham, Gearey, Ethan, Macy, Michael, Hassanpour, Saeed, Vosoughi, Soroush
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Generalizable Rhetorical Strategy Annotation Model Using LLM-based Debate Simulation and Labelling
von: Ji, Shiyu, et al.
Veröffentlicht: (2025)

MentalManip: A Dataset For Fine-grained Analysis of Mental Manipulation in Conversations
von: Wang, Yuxin, et al.
Veröffentlicht: (2024)

Probing Association Biases in LLM Moderation Over-Sensitivity
von: Wang, Yuxin, et al.
Veröffentlicht: (2025)

NushuRescue: Revitalization of the Endangered Nushu Language with AI
von: Yang, Ivory, et al.
Veröffentlicht: (2024)

Towards Interpretable Deep Reinforcement Learning Models via Inverse Reinforcement Learning
von: Xie, Sean, et al.
Veröffentlicht: (2022)

Is It Navajo? Accurate Language Detection in Endangered Athabaskan Languages
von: Yang, Ivory, et al.
Veröffentlicht: (2025)

An Empirical Study of Collective Behaviors and Social Dynamics in Large Language Model Agents
von: Hashemi, Farnoosh, et al.
Veröffentlicht: (2026)

ImpScore: A Learnable Metric For Quantifying The Implicitness Level of Sentence
von: Wang, Yuxin, et al.
Veröffentlicht: (2024)

Enhanced Detection of Conversational Mental Manipulation Through Advanced Prompting Techniques
von: Yang, Ivory, et al.
Veröffentlicht: (2024)

SIFOTL: A Principled, Statistically-Informed Fidelity-Optimization Method for Tabular Learning
von: Mohole, Shubham, et al.
Veröffentlicht: (2025)

VeriMinder: Mitigating Analytical Vulnerabilities in NL2SQL
von: Mohole, Shubham, et al.
Veröffentlicht: (2025)

Reframing rural governance: gerontocratic expressions of socio-ecological resilience
von: Mary Gearey
Veröffentlicht: (2019)

Judging the Judges: A Systematic Study of Position Bias in LLM-as-a-Judge
von: Shi, Lin, et al.
Veröffentlicht: (2024)

Cluster-R1: Large Reasoning Models Are Instruction-following Clustering Agents
von: Qing, Peijun, et al.
Veröffentlicht: (2026)

Graph Mamba: Towards Learning on Graphs with State Space Models
von: Behrouz, Ali, et al.
Veröffentlicht: (2024)

A Unified Core Structure in Multiplex Networks: From Finding the Densest Subgraph to Modeling User Engagement
von: Hashemi, Farnoosh, et al.
Veröffentlicht: (2024)

Disordered-DABS: A Benchmark for Dynamic Aspect-Based Summarization in Disordered Texts
von: Guo, Xiaobo, et al.
Veröffentlicht: (2024)

MODABS: Multi-Objective Learning for Dynamic Aspect-Based Summarization
von: Guo, Xiaobo, et al.
Veröffentlicht: (2024)

Serial Position Effects of Large Language Models
von: Guo, Xiaobo, et al.
Veröffentlicht: (2024)

Cooperation Is All You Need
von: Adeel, Ahsan, et al.
Veröffentlicht: (2023)

Detecting and Enhancing Intellectual Humility in Online Political Discourse
von: D'Alonzo, Samantha, et al.
Veröffentlicht: (2026)

KRAFT: A Knowledge Graph-Based Framework for Automated Map Conflation
von: Hashemi, Farnoosh, et al.
Veröffentlicht: (2025)

Agents Are All You Need for LLM Unlearning
von: Sanyal, Debdeep, et al.
Veröffentlicht: (2025)

CliffordNet: All You Need is Geometric Algebra
von: Ji, Zhongping
Veröffentlicht: (2026)

Persuasion with Ambiguous Communication
von: Cheng, Xiaoyu, et al.
Veröffentlicht: (2024)

Persuasion with Coarse Communication
von: Aybas, Yunus C., et al.
Veröffentlicht: (2019)

Transformer-Based Representation Learning for Robust Gene Expression Modeling and Cancer Prognosis
von: Jiang, Shuai, et al.
Veröffentlicht: (2025)

Semantic Compositions Enhance Vision-Language Contrastive Learning
von: Aladago, Maxwell, et al.
Veröffentlicht: (2024)

Space Filling Curves is All You Need: Communication-Avoiding Matrix Multiplication Made Simple
von: Georganas, Evangelos, et al.
Veröffentlicht: (2026)

Alignment with Preference Optimization Is All You Need for LLM Safety
von: Alami, Reda, et al.
Veröffentlicht: (2024)

Attention is All You Need Until You Need Retention
von: Yaslioglu, M. Murat
Veröffentlicht: (2025)

Metaheuristics is All You Need
von: Cuicizion, Eliuvish, et al.
Veröffentlicht: (2024)

Intention Is All You Need
von: Sarkar, Advait
Veröffentlicht: (2024)

[MASK] is All You Need
von: Hu, Vincent Tao, et al.
Veröffentlicht: (2024)

Contrast Is All You Need
von: Kilic, Burak, et al.
Veröffentlicht: (2023)

Context is All You Need
von: Delanois, Jean Erik, et al.
Veröffentlicht: (2026)

Accuracy is Not All You Need
von: Dutta, Abhinav, et al.
Veröffentlicht: (2024)

CORDIC Is All You Need
von: Kokane, Omkar, et al.
Veröffentlicht: (2025)

Attention Is All You Need But You Don't Need All Of It For Inference of Large Language Models
von: Tyukin, Georgy, et al.
Veröffentlicht: (2024)

Architecture is All You Need: Improving LLM Recommenders by Dropping the Text
von: Foley, Kevin, et al.
Veröffentlicht: (2025)