Buchumschlag

Knockout LLM Assessment: Using Large Language Models for Evaluations through Iterative Pairwise Comparisons

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sandan, Isik Baran, Dinh, Tu Anh, Niehues, Jan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence I.2.7
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sigmoid Head for Quality Estimation under Language Ambiguity
von: Dinh, Tu Anh, et al.
Veröffentlicht: (2026)

Are Generative Models Underconfident? Better Quality Estimation with Boosted Model Probability
von: Dinh, Tu Anh, et al.
Veröffentlicht: (2025)

Quality Estimation with $k$-nearest Neighbors and Automatic Evaluation for Model-specific Quality Estimation
von: Dinh, Tu Anh, et al.
Veröffentlicht: (2024)

COMET-poly: Machine Translation Metric Grounded in Other Candidates
von: Züfle, Maike, et al.
Veröffentlicht: (2025)

SciEx: Benchmarking Large Language Models on Scientific Exams with Human Expert Grading and Automatic Grading
von: Dinh, Tu Anh, et al.
Veröffentlicht: (2024)

Text-Based Approaches to Item Difficulty Modeling in Large-Scale Assessments: A Systematic Review
von: Peters, Sydney, et al.
Veröffentlicht: (2025)

Large Language Model (LLM) Bias Index -- LLMBI
von: Oketunji, Abiodun Finbarrs, et al.
Veröffentlicht: (2023)

UA-Legal-Bench: A Benchmark for Evaluating Large Language Models on Ukrainian Legal Reasoning
von: Ovcharov, Volodymyr
Veröffentlicht: (2026)

EMNLP: Educator-role Moral and Normative Large Language Models Profiling
von: Jiang, Yilin, et al.
Veröffentlicht: (2025)

PustakAI: Curriculum-Aligned and Interactive Textbooks Using Large Language Models
von: Sharma, Shivam, et al.
Veröffentlicht: (2025)

TALE: A Tool-Augmented Framework for Reference-Free Evaluation of Large Language Models
von: Badshah, Sher, et al.
Veröffentlicht: (2025)

InstructCMP: Length Control in Sentence Compression through Instruction-based Large Language Models
von: Juseon-Do, et al.
Veröffentlicht: (2024)

RIDE: Enhancing Large Language Model Alignment through Restyled In-Context Learning Demonstration Exemplars
von: Hua, Yuncheng, et al.
Veröffentlicht: (2025)

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

Zero-Shot Spam Email Classification Using Pre-trained Large Language Models
von: Rojas-Galeano, Sergio
Veröffentlicht: (2024)

Enhancing Sentiment Classification and Irony Detection in Large Language Models through Advanced Prompt Engineering Techniques
von: Schmitt, Marvin, et al.
Veröffentlicht: (2026)

PatentGPT: A Large Language Model for Intellectual Property
von: Bai, Zilong, et al.
Veröffentlicht: (2024)

Predictive Simultaneous Interpretation: Harnessing Large Language Models for Democratizing Real-Time Multilingual Communication
von: Iida, Kurando, et al.
Veröffentlicht: (2024)

Evaluating the Efficacy of Hybrid Deep Learning Models in Distinguishing AI-Generated Text
von: Oketunji, Abiodun Finbarrs
Veröffentlicht: (2023)

Bielik Guard: Efficient Polish Language Safety Classifiers for LLM Content Moderation
von: Wróbel, Krzysztof, et al.
Veröffentlicht: (2026)

Thought-Like-Pro: Enhancing Reasoning of Large Language Models through Self-Driven Prolog-based Chain-of-Thought
von: Tan, Xiaoyu, et al.
Veröffentlicht: (2024)

FIN-bench-v2: A Unified and Robust Benchmark Suite for Evaluating Finnish Large Language Models
von: Kytöniemi, Joona, et al.
Veröffentlicht: (2025)

Hierarchical Prompting Taxonomy: A Universal Evaluation Framework for Large Language Models Aligned with Human Cognitive Principles
von: Budagam, Devichand, et al.
Veröffentlicht: (2024)

Beyond the Mean: Within-Model Reliable Change Detection for LLM Evaluation
von: Cacioli, Jon-Paul
Veröffentlicht: (2026)

Inference to the Best Explanation in Large Language Models
von: Dalal, Dhairya, et al.
Veröffentlicht: (2024)

Evaluating Class Membership Relations in Knowledge Graphs using Large Language Models
von: Allen, Bradley P., et al.
Veröffentlicht: (2024)

Streamlining Redundant Layers to Compress Large Language Models
von: Chen, Xiaodong, et al.
Veröffentlicht: (2024)

A comprehensive taxonomy of hallucinations in Large Language Models
von: Cossio, Manuel
Veröffentlicht: (2025)

Integrating Emotional and Linguistic Models for Ethical Compliance in Large Language Models
von: Chang, Edward Y.
Veröffentlicht: (2024)

Persuasiveness and Bias in LLM: Investigating the Impact of Persuasiveness and Reinforcement of Bias in Language Models
von: Roy, Saumya
Veröffentlicht: (2025)

Enigme: Generative Text Puzzles for Evaluating Reasoning in Language Models
von: Hawkins, John
Veröffentlicht: (2025)

Bielik 11B v3: Multilingual Large Language Model for European Languages
von: Ociepa, Krzysztof, et al.
Veröffentlicht: (2025)

Prompt-Time Symbolic Knowledge Capture with Large Language Models
von: Çöplü, Tolga, et al.
Veröffentlicht: (2024)

Artificial Phantasia: Emergent Mental Imagery in Large Language Models
von: McCarty, Morgan, et al.
Veröffentlicht: (2025)

Argumentative Large Language Models for Explainable and Contestable Claim Verification
von: Freedman, Gabriel, et al.
Veröffentlicht: (2024)

Reasoning over Uncertain Text by Generative Large Language Models
von: Nafar, Aliakbar, et al.
Veröffentlicht: (2024)

Multi-Turn Interactions for Text-to-SQL with Large Language Models
von: Xiong, Guanming, et al.
Veröffentlicht: (2024)

Demystifying Instruction Mixing for Fine-tuning Large Language Models
von: Wang, Renxi, et al.
Veröffentlicht: (2023)

EQ-Bench: An Emotional Intelligence Benchmark for Large Language Models
von: Paech, Samuel J.
Veröffentlicht: (2023)

Assessing Large Language Models on Islamic Legal Reasoning: Evidence from Inheritance Law Evaluation
von: Bouchekif, Abdessalam, et al.
Veröffentlicht: (2025)