Salvato in:
| Autori principali: | wang, Jiaming, Zhao, Yunke, Ding, Peng, Kuang, Jun, Shen, Yibin, Tang, Zhe, Jin, Yilin, Wang, ZongYu, Li, Xiaoyu, Cao, Xuezhi, Cai, Xunliang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2504.21625 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
OIBench: Benchmarking Strong Reasoning Models with Olympiad in Informatics
di: Zhu, Yaoming, et al.
Pubblicazione: (2025)
di: Zhu, Yaoming, et al.
Pubblicazione: (2025)
LARY: A Latent Action Representation Yielding Benchmark for Generalizable Vision-to-Action Alignment
di: Nie, Dujun, et al.
Pubblicazione: (2026)
di: Nie, Dujun, et al.
Pubblicazione: (2026)
Why Not Act on What You Know? Unleashing Safety Potential of LLMs via Self-Aware Guard Enhancement
di: Ding, Peng, et al.
Pubblicazione: (2025)
di: Ding, Peng, et al.
Pubblicazione: (2025)
CATArena: Evaluating Evolutionary Capabilities of Code Agents via Iterative Tournaments
di: Fu, Lingyue, et al.
Pubblicazione: (2025)
di: Fu, Lingyue, et al.
Pubblicazione: (2025)
Friend or Foe: How LLMs' Safety Mind Gets Fooled by Intent Shift Attack
di: Ding, Peng, et al.
Pubblicazione: (2025)
di: Ding, Peng, et al.
Pubblicazione: (2025)
SOP-Maze: Evaluating Large Language Models on Complicated Business Standard Operating Procedures
di: Wang, Jiaming, et al.
Pubblicazione: (2025)
di: Wang, Jiaming, et al.
Pubblicazione: (2025)
KG-o1: Enhancing Multi-hop Question Answering in Large Language Models via Knowledge Graph Integration
di: Wang, Nan, et al.
Pubblicazione: (2025)
di: Wang, Nan, et al.
Pubblicazione: (2025)
Automatically Benchmarking LLM Code Agents through Agent-Driven Annotation and Evaluation
di: Fu, Lingyue, et al.
Pubblicazione: (2025)
di: Fu, Lingyue, et al.
Pubblicazione: (2025)
Hallu-PI: Evaluating Hallucination in Multi-modal Large Language Models within Perturbed Inputs
di: Ding, Peng, et al.
Pubblicazione: (2024)
di: Ding, Peng, et al.
Pubblicazione: (2024)
AMemGym: Interactive Memory Benchmarking for Assistants in Long-Horizon Conversations
di: Jiayang, Cheng, et al.
Pubblicazione: (2026)
di: Jiayang, Cheng, et al.
Pubblicazione: (2026)
UNO-Bench: A Unified Benchmark for Exploring the Compositional Law Between Uni-modal and Omni-modal in Omni Models
di: Chen, Chen, et al.
Pubblicazione: (2025)
di: Chen, Chen, et al.
Pubblicazione: (2025)
FOFO: A Benchmark to Evaluate LLMs' Format-Following Capability
di: Xia, Congying, et al.
Pubblicazione: (2024)
di: Xia, Congying, et al.
Pubblicazione: (2024)
PrefixKV: Adaptive Prefix KV Cache is What Vision Instruction-Following Models Need for Efficient Generation
di: Wang, Ao, et al.
Pubblicazione: (2024)
di: Wang, Ao, et al.
Pubblicazione: (2024)
IF-RewardBench: Benchmarking Judge Models for Instruction-Following Evaluation
di: Wen, Bosi, et al.
Pubblicazione: (2026)
di: Wen, Bosi, et al.
Pubblicazione: (2026)
CodeIF: Benchmarking the Instruction-Following Capabilities of Large Language Models for Code Generation
di: Yan, Kaiwen, et al.
Pubblicazione: (2025)
di: Yan, Kaiwen, et al.
Pubblicazione: (2025)
CodeContests-O: Powering LLMs via Feedback-Driven Iterative Test Case Generation
di: Cai, Jianfeng, et al.
Pubblicazione: (2026)
di: Cai, Jianfeng, et al.
Pubblicazione: (2026)
Multi-IF: Benchmarking LLMs on Multi-Turn and Multilingual Instructions Following
di: He, Yun, et al.
Pubblicazione: (2024)
di: He, Yun, et al.
Pubblicazione: (2024)
Audio Turing Test: Benchmarking the Human-likeness of Large Language Model-based Text-to-Speech Systems in Chinese
di: Wang, Xihuai, et al.
Pubblicazione: (2025)
di: Wang, Xihuai, et al.
Pubblicazione: (2025)
DemoEvolve: Overcoming Sparse Feedback in Agentic Harness Evolution with Demonstrations
di: Che, Lirong, et al.
Pubblicazione: (2026)
di: Che, Lirong, et al.
Pubblicazione: (2026)
General365: Benchmarking General Reasoning in Large Language Models Across Diverse and Challenging Tasks
di: Liu, Junlin, et al.
Pubblicazione: (2026)
di: Liu, Junlin, et al.
Pubblicazione: (2026)
IFEval-Audio: Benchmarking Instruction-Following Capability in Audio-based Large Language Models
di: Gao, Yiming, et al.
Pubblicazione: (2025)
di: Gao, Yiming, et al.
Pubblicazione: (2025)
Unraveling the Mystery of Scaling Laws: Part I
di: Su, Hui, et al.
Pubblicazione: (2024)
di: Su, Hui, et al.
Pubblicazione: (2024)
MUSE: MCTS-Driven Red Teaming Framework for Enhanced Multi-Turn Dialogue Safety in Large Language Models
di: Yan, Siyu, et al.
Pubblicazione: (2025)
di: Yan, Siyu, et al.
Pubblicazione: (2025)
LLM CHESS: Benchmarking Reasoning and Instruction-Following in LLMs through Chess
di: Kolasani, Sai, et al.
Pubblicazione: (2025)
di: Kolasani, Sai, et al.
Pubblicazione: (2025)
MIA-Bench: Towards Better Instruction Following Evaluation of Multimodal LLMs
di: Qian, Yusu, et al.
Pubblicazione: (2024)
di: Qian, Yusu, et al.
Pubblicazione: (2024)
Confidence v.s. Critique: A Decomposition of Self-Correction Capability for LLMs
di: Yang, Zhe, et al.
Pubblicazione: (2024)
di: Yang, Zhe, et al.
Pubblicazione: (2024)
LERa: Replanning with Visual Feedback in Instruction Following
di: Pchelintsev, Svyatoslav, et al.
Pubblicazione: (2025)
di: Pchelintsev, Svyatoslav, et al.
Pubblicazione: (2025)
Align Anything: Training All-Modality Models to Follow Instructions with Language Feedback
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
di: Ji, Jiaming, et al.
Pubblicazione: (2024)
AgentEscapeBench: Evaluating Out-of-Domain Tool-Grounded Reasoning in LLM Agents
di: Guo, Zhengkang, et al.
Pubblicazione: (2026)
di: Guo, Zhengkang, et al.
Pubblicazione: (2026)
CoBA-RL: Capability-Oriented Budget Allocation for Reinforcement Learning in LLMs
di: Yao, Zhiyuan, et al.
Pubblicazione: (2026)
di: Yao, Zhiyuan, et al.
Pubblicazione: (2026)
A Hierarchical and Evolvable Benchmark for Fine-Grained Code Instruction Following with Multi-Turn Feedback
di: Duan, Guoliang, et al.
Pubblicazione: (2025)
di: Duan, Guoliang, et al.
Pubblicazione: (2025)
When Instructions Multiply: Measuring and Estimating LLM Capabilities of Multiple Instructions Following
di: Harada, Keno, et al.
Pubblicazione: (2025)
di: Harada, Keno, et al.
Pubblicazione: (2025)
SWE-Cycle: Benchmarking Code Agents across the Complete Issue Resolution Cycle
di: Guan, Hao, et al.
Pubblicazione: (2026)
di: Guan, Hao, et al.
Pubblicazione: (2026)
The Instruction Gap: LLMs get lost in Following Instruction
di: Tripathi, Vishesh, et al.
Pubblicazione: (2025)
di: Tripathi, Vishesh, et al.
Pubblicazione: (2025)
sprofing the DLSCA
di: wang
Pubblicazione: (2025)
di: wang
Pubblicazione: (2025)
Iterative Self-Tuning LLMs for Enhanced Jailbreaking Capabilities
di: Sun, Chung-En, et al.
Pubblicazione: (2024)
di: Sun, Chung-En, et al.
Pubblicazione: (2024)
AMO-Bench: Large Language Models Still Struggle in High School Math Competitions
di: An, Shengnan, et al.
Pubblicazione: (2025)
di: An, Shengnan, et al.
Pubblicazione: (2025)
Iterative methods of linearized moment equations for rarefied gases
di: Dong, Xiaoyu, et al.
Pubblicazione: (2023)
di: Dong, Xiaoyu, et al.
Pubblicazione: (2023)
Self-Review Framework for Enhancing Instruction Following Capability of LLM
di: Park, Sihyun
Pubblicazione: (2025)
di: Park, Sihyun
Pubblicazione: (2025)
EarthSE: A Benchmark for Evaluating Earth Scientific Exploration Capability of LLMs
di: Xu, Wanghan, et al.
Pubblicazione: (2025)
di: Xu, Wanghan, et al.
Pubblicazione: (2025)
Documenti analoghi
-
OIBench: Benchmarking Strong Reasoning Models with Olympiad in Informatics
di: Zhu, Yaoming, et al.
Pubblicazione: (2025) -
LARY: A Latent Action Representation Yielding Benchmark for Generalizable Vision-to-Action Alignment
di: Nie, Dujun, et al.
Pubblicazione: (2026) -
Why Not Act on What You Know? Unleashing Safety Potential of LLMs via Self-Aware Guard Enhancement
di: Ding, Peng, et al.
Pubblicazione: (2025) -
CATArena: Evaluating Evolutionary Capabilities of Code Agents via Iterative Tournaments
di: Fu, Lingyue, et al.
Pubblicazione: (2025) -
Friend or Foe: How LLMs' Safety Mind Gets Fooled by Intent Shift Attack
di: Ding, Peng, et al.
Pubblicazione: (2025)