Buchumschlag

Your Model is Overconfident, and Other Lies We Tell Ourselves

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mickus, Timothee, Sinha, Aman, Vázquez, Raúl
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

I Have an Attention Bridge to Sell You: Generalization Capabilities of Modular Translation Architectures
von: Mickus, Timothee, et al.
Veröffentlicht: (2024)

Domain-specific or Uncertainty-aware models: Does it really make a difference for biomedical text classification?
von: Sinha, Aman, et al.
Veröffentlicht: (2024)

Adapting Definition Modeling for New Languages: A Case Study on Belarusian
von: Kazakouskaya, Daniela, et al.
Veröffentlicht: (2025)

Language Models Learn Universal Representations of Numbers and Here's Why You Should Care
von: Štefánik, Michal, et al.
Veröffentlicht: (2025)

Isotropy, Clusters, and Classifiers
von: Mickus, Timothee, et al.
Veröffentlicht: (2024)

Can Machine Translation Bridge Multilingual Pretraining and Cross-lingual Transfer Learning?
von: Ji, Shaoxiong, et al.
Veröffentlicht: (2024)

A Comparison of Language Modeling and Translation as Multilingual Pretraining Objectives
von: Li, Zihao, et al.
Veröffentlicht: (2024)

SemEval-2024 Shared Task 6: SHROOM, a Shared-task on Hallucinations and Related Observable Overgeneration Mistakes
von: Mickus, Timothee, et al.
Veröffentlicht: (2024)

Pre-trained Language Models Learn Remarkably Accurate Representations of Numbers
von: Kadlčík, Marek, et al.
Veröffentlicht: (2025)

AXOLOTL'24 Shared Task on Multilingual Explainable Semantic Change Modeling
von: Fedorova, Mariia, et al.
Veröffentlicht: (2024)

KD4MT: A Survey of Knowledge Distillation for Machine Translation
von: de Gibert, Ona, et al.
Veröffentlicht: (2026)

Confabulations from ACL Publications (CAP): A Dataset for Scientific Hallucination Detection
von: Gamba, Federica, et al.
Veröffentlicht: (2025)

Life Cycle-Aware Evaluation of Knowledge Distillation for Machine Translation: Environmental Impact and Translation Quality Trade-offs
von: Attieh, Joseph, et al.
Veröffentlicht: (2026)

Can We Trust LLMs? Mitigate Overconfidence Bias in LLMs through Knowledge Transfer
von: Yang, Haoyan, et al.
Veröffentlicht: (2024)

MAMMOTH: Massively Multilingual Modular Open Translation @ Helsinki
von: Mickus, Timothee, et al.
Veröffentlicht: (2024)

SemEval-2025 Task 3: Mu-SHROOM, the Multilingual Shared Task on Hallucinations and Related Observable Overgeneration Mistakes
von: Vázquez, Raúl, et al.
Veröffentlicht: (2025)

SEPSIS: I Can Catch Your Lies -- A New Paradigm for Deception Detection
von: Rani, Anku, et al.
Veröffentlicht: (2023)

Let's Put Ourselves in Sally's Shoes: Shoes-of-Others Prefilling Improves Theory of Mind in Large Language Models
von: Shinoda, Kazutoshi, et al.
Veröffentlicht: (2025)

Diffusion Is Your Friend in Show, Suggest and Tell
von: Hu, Jia Cheng, et al.
Veröffentlicht: (2025)

Retrieve, Generate, Evaluate: A Case Study for Medical Paraphrases Generation with Small Language Models
von: Buhnila, Ioana, et al.
Veröffentlicht: (2024)

TrackList: Tracing Back Query Linguistic Diversity for Head and Tail Knowledge in Open Large Language Models
von: Buhnila, Ioana, et al.
Veröffentlicht: (2025)

Can Out-of-Distribution Evaluations Uncover Reliance on Shortcuts? A Case Study in Question Answering
von: Štefánik, Michal, et al.
Veröffentlicht: (2025)

Moving Ourselves, Moving Others
Veröffentlicht: (2018)

LLMs Can Plan Only If We Tell Them
von: Sel, Bilgehan, et al.
Veröffentlicht: (2025)

Taming Overconfidence in LLMs: Reward Calibration in RLHF
von: Leng, Jixuan, et al.
Veröffentlicht: (2024)

Can Your Model Tell a Negation from an Implicature? Unravelling Challenges With Intent Encoders
von: Zhang, Yuwei, et al.
Veröffentlicht: (2024)

Tell Your Model Where to Attend: Post-hoc Attention Steering for LLMs
von: Zhang, Qingru, et al.
Veröffentlicht: (2023)

Are Small Language Models Ready to Compete with Large Language Models for Practical Applications?
von: Sinha, Neelabh, et al.
Veröffentlicht: (2024)

Beware of Reasoning Overconfidence: Pitfalls in the Reasoning Process for Multi-solution Tasks
von: Guan, Jiannan, et al.
Veröffentlicht: (2025)

Overconfident and Blind to Details: Fixing Prompt Insensitivity with Abductive Preference Learning
von: Ni, Yijin, et al.
Veröffentlicht: (2025)

Wired for Overconfidence: A Mechanistic Perspective on Inflated Verbalized Confidence in LLMs
von: Zhao, Tianyi, et al.
Veröffentlicht: (2026)

Mind the Confidence Gap: Overconfidence, Calibration, and Distractor Effects in Large Language Models
von: Chhikara, Prateek
Veröffentlicht: (2025)

Guiding Vision-Language Model Selection for Visual Question-Answering Across Tasks, Domains, and Knowledge Types
von: Sinha, Neelabh, et al.
Veröffentlicht: (2024)

Not Wrong, But Untrue: LLM Overconfidence in Document-Based Queries
von: Hagar, Nick, et al.
Veröffentlicht: (2025)

ImmunoFOMO: Are Language Models missing what oncologists see?
von: Sinha, Aman, et al.
Veröffentlicht: (2025)

When Models Lie, We Learn: Multilingual Span-Level Hallucination Detection with PsiloQA
von: Rykov, Elisei, et al.
Veröffentlicht: (2025)

Overconfidence is Key: Verbalized Uncertainty Evaluation in Large Language and Vision-Language Models
von: Groot, Tobias, et al.
Veröffentlicht: (2024)

When Do LLMs Need Retrieval Augmentation? Mitigating LLMs' Overconfidence Helps Retrieval Augmentation
von: Ni, Shiyu, et al.
Veröffentlicht: (2024)

We Politely Insist: Your LLM Must Learn the Persian Art of Taarof
von: Sadr, Nikta Gohari, et al.
Veröffentlicht: (2025)

SeedPrints: Fingerprints Can Even Tell Which Seed Your Large Language Model Was Trained From
von: Tong, Yao, et al.
Veröffentlicht: (2025)