:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aggarwal, Tushar, Tanmay, Kumar, Agrawal, Ayush, Ayush, Kumar, Palangi, Hamid, Liang, Paul Pu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2502.17955
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learn Globally, Speak Locally: Bridging the Gaps in Multilingual Reasoning
von: Hwang, Jaedong, et al.
Veröffentlicht: (2025)

ORION: Teaching Language Models to Reason Efficiently in the Language of Thought
von: Tanmay, Kumar, et al.
Veröffentlicht: (2025)

Revisiting Multilingual Data Mixtures in Language Model Pretraining
von: Foroutan, Negar, et al.
Veröffentlicht: (2025)

Do Language Models Know When They're Hallucinating References?
von: Agrawal, Ayush, et al.
Veröffentlicht: (2023)

Attention Satisfies: A Constraint-Satisfaction Lens on Factual Errors of Language Models
von: Yuksekgonul, Mert, et al.
Veröffentlicht: (2023)

Ethical Reasoning and Moral Value Alignment of LLMs Depend on the Language we Prompt them in
von: Agarwal, Utkarsh, et al.
Veröffentlicht: (2024)

Why Synthetic Isn't Real Yet: A Diagnostic Framework for Contact Center Dialogue Generation
von: Devanathan, Rishikesh, et al.
Veröffentlicht: (2025)

Spot the BlindSpots: Systematic Identification and Quantification of Fine-Grained LLM Biases in Contact Center Summaries
von: Mayilvaghanan, Kawin, et al.
Veröffentlicht: (2025)

Beyond Captioning: Task-Specific Prompting for Improved VLM Performance in Mathematical Reasoning
von: Singh, Ayush, et al.
Veröffentlicht: (2024)

A Systematic Survey of Prompt Engineering in Large Language Models: Techniques and Applications
von: Sahoo, Pranab, et al.
Veröffentlicht: (2024)

Graphing the Truth: Structured Visualizations for Automated Hallucination Detection in LLMs
von: Agrawal, Tanmay
Veröffentlicht: (2025)

GaussMark: A Practical Approach for Structural Watermarking of Language Models
von: Block, Adam, et al.
Veröffentlicht: (2025)

Thinking About Thinking: Evaluating Reasoning in Post-Trained Language Models
von: Singla, Pratham, et al.
Veröffentlicht: (2025)

PLAN-TUNING: Post-Training Language Models to Learn Step-by-Step Planning for Complex Problem Solving
von: Parmar, Mihir, et al.
Veröffentlicht: (2025)

Question Answering on Patient Medical Records with Private Fine-Tuned LLMs
von: Kothari, Sara, et al.
Veröffentlicht: (2025)

PASS: Presentation Automation for Slide Generation and Speech
von: Aggarwal, Tushar, et al.
Veröffentlicht: (2025)

Robustness of Large Language Models to Perturbations in Text
von: Singh, Ayush, et al.
Veröffentlicht: (2024)

Do Moral Judgment and Reasoning Capability of LLMs Change with Language? A Study using the Multilingual Defining Issues Test
von: Khandelwal, Aditi, et al.
Veröffentlicht: (2024)

A Glitch in the Matrix? Locating and Detecting Language Model Grounding with Fakepedia
von: Monea, Giovanni, et al.
Veröffentlicht: (2023)

Generating Benchmarks for Factuality Evaluation of Language Models
von: Muhlgay, Dor, et al.
Veröffentlicht: (2023)

Factuality of Large Language Models: A Survey
von: Wang, Yuxia, et al.
Veröffentlicht: (2024)

Enhancing Adverse Drug Event Detection with Multimodal Dataset: Corpus Creation and Model Development
von: Sahoo, Pranab, et al.
Veröffentlicht: (2024)

Diversity of Thought Improves Reasoning Abilities of LLMs
von: Naik, Ranjita, et al.
Veröffentlicht: (2023)

Training Language Models via Neural Cellular Automata
von: Lee, Dan, et al.
Veröffentlicht: (2026)

Can GPT Redefine Medical Understanding? Evaluating GPT on Biomedical Machine Reading Comprehension
von: Vatsal, Shubham, et al.
Veröffentlicht: (2024)

LLM-Based Section Identifiers Excel on Open Source but Stumble in Real World Applications
von: Krishnamoorthy, Saranya, et al.
Veröffentlicht: (2024)

Give me a hint: Can LLMs take a hint to solve math problems?
von: Agrawal, Vansh, et al.
Veröffentlicht: (2024)

Aligning Knowledge Graphs and Language Models for Factual Accuracy
von: Nishat, Nur A Zarin, et al.
Veröffentlicht: (2025)

FLAME: Factuality-Aware Alignment for Large Language Models
von: Lin, Sheng-Chieh, et al.
Veröffentlicht: (2024)

Language Models with Conformal Factuality Guarantees
von: Mohri, Christopher, et al.
Veröffentlicht: (2024)

Spectra: Surprising Effectiveness of Pretraining Ternary Language Models at Scale
von: Kaushal, Ayush, et al.
Veröffentlicht: (2024)

Empowering Language Models with Active Inquiry for Deeper Understanding
von: Pang, Jing-Cheng, et al.
Veröffentlicht: (2024)

ModelCitizens: Representing Community Voices in Online Safety
von: Suvarna, Ashima, et al.
Veröffentlicht: (2025)

The FACTS Leaderboard: A Comprehensive Benchmark for Large Language Model Factuality
von: Cheng, Aileen, et al.
Veröffentlicht: (2025)

Exploring Group and Symmetry Principles in Large Language Models
von: Imani, Shima, et al.
Veröffentlicht: (2024)

Mechanistic Understanding and Mitigation of Language Model Non-Factual Hallucinations
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Reasoning Factual Knowledge in Structured Data with Large Language Models
von: Huang, Sirui, et al.
Veröffentlicht: (2024)

Chitrarth: Bridging Vision and Language for a Billion People
von: Khan, Shaharukh, et al.
Veröffentlicht: (2025)

Factuality Challenges in the Era of Large Language Models
von: Augenstein, Isabelle, et al.
Veröffentlicht: (2023)

A2TTS: TTS for Low Resource Indian Languages
von: Bhadoriya, Ayush Singh, et al.
Veröffentlicht: (2025)