:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Salido, Eva Sánchez, Gonzalo, Julio, Marco, Guillermo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2502.12896
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bilingual Evaluation of Language Models on General Knowledge in University Entrance Exams with Minimal Contamination
von: Salido, Eva Sánchez, et al.
Veröffentlicht: (2024)

The Reader is the Metric: How Textual Features and Reader Profiles Explain Conflicting Evaluations of AI Creative Writing
von: Marco, Guillermo, et al.
Veröffentlicht: (2025)

Simulating Training Data Leakage in Multiple-Choice Benchmarks for LLM Evaluation
von: Hidayat, Naila Shafirni, et al.
Veröffentlicht: (2025)

Multiple-Choice Questions are Efficient and Robust LLM Evaluators
von: Zhang, Ziyin, et al.
Veröffentlicht: (2024)

Beyond Memorization: Distinguishing between Reductive and Epistemic Reasoning in LLMs using Classic Logic Puzzles
von: Gabay, Adi, et al.
Veröffentlicht: (2026)

Plausibly Problematic Questions in Multiple-Choice Benchmarks for Commonsense Reasoning
von: Palta, Shramay, et al.
Veröffentlicht: (2024)

None of the Above, Less of the Right: Parallel Patterns between Humans and LLMs on Multi-Choice Questions Answering
von: Tam, Zhi Rui, et al.
Veröffentlicht: (2025)

Small Language Models can Outperform Humans in Short Creative Writing: A Study Comparing SLMs with Humans and LLMs
von: Marco, Guillermo, et al.
Veröffentlicht: (2024)

Improving Score Reliability of Multiple Choice Benchmarks with Consistency Evaluation and Altered Answer Choices
von: Cavalin, Paulo, et al.
Veröffentlicht: (2025)

Can LLM Graph Reasoning Generalize beyond Pattern Memorization?
von: Zhang, Yizhuo, et al.
Veröffentlicht: (2024)

BOE-XSUM: Extreme Summarization in Clear Language of Spanish Legal Decrees and Notifications
von: García, Andrés Fernández, et al.
Veröffentlicht: (2025)

One Size Fits None: Heuristic Collapse in LLM Investment Advice
von: Ross, Jillian, et al.
Veröffentlicht: (2026)

Distractor Generation in Multiple-Choice Tasks: A Survey of Methods, Datasets, and Evaluation
von: Alhazmi, Elaf, et al.
Veröffentlicht: (2024)

Benchmarking Chinese Commonsense Reasoning of LLMs: From Chinese-Specifics to Reasoning-Memorization Correlations
von: Sun, Jiaxing, et al.
Veröffentlicht: (2024)

GeoChallenge: A Multi-Answer Multiple-Choice Benchmark for Geometric Reasoning with Diagrams
von: Zhang, Yushun, et al.
Veröffentlicht: (2026)

Reasoning Models are Test Exploiters: Rethinking Multiple-Choice
von: Raman, Narun, et al.
Veröffentlicht: (2025)

Enhancing Clinical Multiple-Choice Questions Benchmarks with Knowledge Graph Guided Distractor Generation
von: Yang, Running, et al.
Veröffentlicht: (2025)

Beyond Memorization: Testing LLM Reasoning on Unseen Theory of Computation Tasks
von: Shelat, Shlok, et al.
Veröffentlicht: (2026)

Alleviating Choice Supportive Bias in LLM with Reasoning Dependency Generation
von: Zhuang, Nan, et al.
Veröffentlicht: (2025)

Multiple Choice Questions: Reasoning Makes Large Language Models (LLMs) More Self-Confident, Especially When They are Wrong
von: Fu, Tairan, et al.
Veröffentlicht: (2025)

Right Answer, Wrong Score: Uncovering the Inconsistencies of LLM Evaluation in Multiple-Choice Question Answering
von: Molfese, Francesco Maria, et al.
Veröffentlicht: (2025)

Reason to Rote: Rethinking Memorization in Reasoning
von: Du, Yupei, et al.
Veröffentlicht: (2025)

Test-Time Reasoners Are Strategic Multiple-Choice Test-Takers
von: Balepur, Nishant, et al.
Veröffentlicht: (2025)

Be like a Goldfish, Don't Memorize! Mitigating Memorization in Generative LLMs
von: Hans, Abhimanyu, et al.
Veröffentlicht: (2024)

Towards a Diagnostic and Predictive Evaluation Methodology for Sequence Labeling Tasks
von: Alvarez-Mellado, Elena, et al.
Veröffentlicht: (2026)

Character-aware Transformers Learn an Irregular Morphological Pattern Yet None Generalize Like Humans
von: Ramarao, Akhilesh Kakolu, et al.
Veröffentlicht: (2026)

UBench: Benchmarking Uncertainty in Large Language Models with Multiple Choice Questions
von: Wang, Xunzhi, et al.
Veröffentlicht: (2024)

Pron vs Prompt: Can Large Language Models already Challenge a World-Class Fiction Author at Creative Text Writing?
von: Marco, Guillermo, et al.
Veröffentlicht: (2024)

MatheMagic: Generating Dynamic Mathematics Benchmarks Robust to Memorization
von: O'Brien, Dayyán, et al.
Veröffentlicht: (2025)

AlpsBench: An LLM Personalization Benchmark for Real-Dialogue Memorization and Preference Alignment
von: Xiao, Jianfei, et al.
Veröffentlicht: (2026)

Memorization or Interpolation ? Detecting LLM Memorization through Input Perturbation Analysis
von: Djiré, Albérick Euraste, et al.
Veröffentlicht: (2025)

Memorization or Reasoning? Exploring the Idiom Understanding of LLMs
von: Kim, Jisu, et al.
Veröffentlicht: (2025)

On Memorization of Large Language Models in Logical Reasoning
von: Xie, Chulin, et al.
Veröffentlicht: (2024)

LLM Distillation for Efficient Few-Shot Multiple Choice Question Answering
von: Sutanto, Patrick, et al.
Veröffentlicht: (2024)

Pushing the Boundaries of Multiple Choice Evaluation to One Hundred Options
von: Lee, Nahyun, et al.
Veröffentlicht: (2026)

BenchMarker: An Education-Inspired Toolkit for Highlighting Flaws in Multiple-Choice Benchmarks
von: Balepur, Nishant, et al.
Veröffentlicht: (2026)

Beyond Multiple Choice: Evaluating Steering Vectors for Summarization
von: Braun, Joschka, et al.
Veröffentlicht: (2025)

Polyglots or Multitudes? Multilingual LLM Answers to Value-laden Multiple-Choice Questions
von: Labat, Léo, et al.
Veröffentlicht: (2026)

Data Compressibility Quantifies LLM Memorization
von: Huang, Yizhan, et al.
Veröffentlicht: (2025)

AraSTEM: A Native Arabic Multiple Choice Question Benchmark for Evaluating LLMs Knowledge In STEM Subjects
von: Mustapha, Ahmad, et al.
Veröffentlicht: (2024)