Buchumschlag

Is It JUST Semantics? A Case Study of Discourse Particle Understanding in LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sheffield, William, Misra, Kanishka, Pyatkin, Valentina, Deo, Ashwini, Mahowald, Kyle, Li, Junyi Jessy
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Which course? Discourse! Teaching Discourse and Generation in the Era of LLMs
von: Li, Junyi Jessy, et al.
Veröffentlicht: (2026)

Experimental Contexts Can Facilitate Robust Semantic Property Inference in Language Models, but Inconsistently
von: Misra, Kanishka, et al.
Veröffentlicht: (2024)

semantic-features: A User-Friendly Tool for Studying Contextual Word Embeddings in Interpretable Semantic Spaces
von: Ranganathan, Jwalanthi, et al.
Veröffentlicht: (2025)

WUGNECTIVES: Novel Entity Inferences of Language Models from Discourse Connectives
von: Brubaker, Daniel, et al.
Veröffentlicht: (2025)

Language Models Learn Rare Phenomena from Less Rare Phenomena: The Case of the Missing AANNs
von: Misra, Kanishka, et al.
Veröffentlicht: (2024)

Decrypting Cryptic Crosswords: Semantically Complex Wordplay Puzzles as a Target for NLP
von: Rozner, Josh, et al.
Veröffentlicht: (2021)

LLMs Lean on Priors, Not Programming Language Semantics
von: Thimmaiah, Aditya, et al.
Veröffentlicht: (2025)

Language Models Learn Constructional Semantics, Not To Mention Syntax: Investigating LM Understanding of Paired-Focus Constructions
von: Scivetti, Wesley, et al.
Veröffentlicht: (2026)

A systematic framework for generating novel experimental hypotheses from language models
von: Misra, Kanishka, et al.
Veröffentlicht: (2024)

Emergent Introspection in AI is Content-Agnostic
von: Lederman, Harvey, et al.
Veröffentlicht: (2026)

The Counterexample Game: Iterated Conceptual Analysis and Repair in Language Models
von: Drucker, Daniel, et al.
Veröffentlicht: (2026)

Discourse Diversity in Multi-Turn Empathic Dialogue
von: Zhan, Hongli, et al.
Veröffentlicht: (2026)

Hey, wait a minute: on at-issue sensitivity in Language Models
von: Kim, Sanghee J., et al.
Veröffentlicht: (2025)

Robo-Instruct: Simulator-Augmented Instruction Alignment For Finetuning Code LLMs
von: Hu, Zichao, et al.
Veröffentlicht: (2024)

When to Call an Apple Red: Humans Follow Introspective Rules, VLMs Don't
von: Nemitz, Jonathan, et al.
Veröffentlicht: (2026)

On Language Models' Sensitivity to Suspicious Coincidences
von: Padmanabhan, Sriram, et al.
Veröffentlicht: (2025)

Both Direct and Indirect Evidence Contribute to Dative Alternation Preferences in Language Models
von: Yao, Qing, et al.
Veröffentlicht: (2025)

Language Models Fail to Introspect About Their Knowledge of Language
von: Song, Siyuan, et al.
Veröffentlicht: (2025)

Causal Interventions Reveal Shared Structure Across English Filler-Gap Constructions
von: Boguraev, Sasha, et al.
Veröffentlicht: (2025)

Privileged Self-Access Matters for Introspection in AI
von: Song, Siyuan, et al.
Veröffentlicht: (2025)

Models Can and Should Embrace the Communicative Nature of Human-Generated Math
von: Boguraev, Sasha, et al.
Veröffentlicht: (2024)

Counterfactual Probing for the Influence of Affect and Specificity on Intergroup Bias
von: Govindarajan, Venkata S, et al.
Veröffentlicht: (2023)

TurnWise: The Gap between Single- and Multi-turn Language Model Capabilities
von: Graf, Victoria, et al.
Veröffentlicht: (2026)

Caught in the Web of Words: Do LLMs Fall for Spin in Medical Literature?
von: Yun, Hye Sun, et al.
Veröffentlicht: (2025)

Language models align with human judgments on key grammatical constructions
von: Hu, Jennifer, et al.
Veröffentlicht: (2024)

SPRI: Aligning Large Language Models with Context-Situated Principles
von: Zhan, Hongli, et al.
Veröffentlicht: (2025)

Do they mean 'us'? Interpreting Referring Expressions in Intergroup Bias
von: Govindarajan, Venkata S, et al.
Veröffentlicht: (2024)

Cross-Modal Taxonomic Generalization in (Vision-) Language Models
von: Xu, Tianyang, et al.
Veröffentlicht: (2026)

WildBench: Benchmarking LLMs with Challenging Tasks from Real Users in the Wild
von: Lin, Bill Yuchen, et al.
Veröffentlicht: (2024)

What Can String Probability Tell Us About Grammaticality?
von: Hu, Jennifer, et al.
Veröffentlicht: (2025)

Large Language Models Produce Responses Perceived to be Empathic
von: Lee, Yoon Kyung, et al.
Veröffentlicht: (2024)

SFT-then-RL Outperforms Mixed-Policy Methods for LLM Reasoning
von: Limozin, Alexis, et al.
Veröffentlicht: (2026)

Vision-and-Language Training Helps Deploy Taxonomic Knowledge but Does Not Fundamentally Alter It
von: Qin, Yulu, et al.
Veröffentlicht: (2025)

Mission: Impossible Language Models
von: Kallini, Julie, et al.
Veröffentlicht: (2024)

Semantic Mastery: Enhancing LLMs with Advanced Natural Language Understanding
von: Hariharan, Mohanakrishnan
Veröffentlicht: (2025)

Enhancing Cross-Document Event Coreference Resolution by Discourse Structure and Semantic Information
von: Gao, Qiang, et al.
Veröffentlicht: (2024)

Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models
von: Röttger, Paul, et al.
Veröffentlicht: (2024)

PluriHarms: Benchmarking the Full Spectrum of Human Judgments on AI Harm
von: Li, Jing-Jing, et al.
Veröffentlicht: (2026)

Do LLMs Understand Ambiguity in Text? A Case Study in Open-world Question Answering
von: Keluskar, Aryan, et al.
Veröffentlicht: (2024)

Modeling Unified Semantic Discourse Structure for High-quality Headline Generation
von: Xu, Minghui, et al.
Veröffentlicht: (2024)