Buchumschlag

The Generative Energy Arena (GEA): Incorporating Energy Awareness in Large Language Model (LLM) Human Evaluations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arriaga, Carlos, Martínez, Gonzalo, Sendin, Eneko, Conde, Javier, Reviriego, Pedro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Is There a Case for Conversation Optimized Tokenizers in Large Language Models?
von: Ferrando, Raquel, et al.
Veröffentlicht: (2025)

Multiple Choice Questions: Reasoning Makes Large Language Models (LLMs) More Self-Confident, Especially When They are Wrong
von: Fu, Tairan, et al.
Veröffentlicht: (2025)

Psycholinguistic Word Features: a New Approach for the Evaluation of LLMs Alignment with Humans
von: Conde, Javier, et al.
Veröffentlicht: (2025)

Beyond Reproducibility: Token Probabilities Expose Large Language Model Nondeterminism
von: Fu, Tairan, et al.
Veröffentlicht: (2026)

Lost in Sampling: Assessing Lexical Reachability in LLMs via the Word Coverage Score (WCS)
von: Awad, Samer, et al.
Veröffentlicht: (2026)

Speed and Conversational Large Language Models: Not All Is About Tokens per Second
von: Conde, Javier, et al.
Veröffentlicht: (2025)

To Words and Beyond: Probing Large Language Models for Sentence-Level Psycholinguistic Norms of Memorability and Reading Times
von: Clark, Thomas Hikaru, et al.
Veröffentlicht: (2026)

Can ChatGPT Learn to Count Letters?
von: Conde, Javier, et al.
Veröffentlicht: (2025)

Playing with words: Comparing the vocabulary and lexical diversity of ChatGPT and humans
von: Reviriego, Pedro, et al.
Veröffentlicht: (2023)

Concurrent Linguistic Error Detection (CLED): a New Methodology for Error Detection in Large Language Models
von: Zhu, Jinhua, et al.
Veröffentlicht: (2024)

How does fine-tuning improve sensorimotor representations in large language models?
von: Wu, Minghua, et al.
Veröffentlicht: (2026)

Why Do Large Language Models (LLMs) Struggle to Count Letters?
von: Fu, Tairan, et al.
Veröffentlicht: (2024)

Spanish and LLM Benchmarks: is MMLU Lost in Translation?
von: Plaza, Irene, et al.
Veröffentlicht: (2024)

Elsevier Arena: Human Evaluation of Chemistry/Biology/Health Foundational Large Language Models
von: Thorne, Camilo, et al.
Veröffentlicht: (2024)

MemeArena: Automating Context-Aware Unbiased Evaluation of Harmfulness Understanding for Multimodal Large Language Models
von: Chen, Zixin, et al.
Veröffentlicht: (2025)

Emergent Abilities of Large Language Models under Continued Pretraining for Language Adaptation
von: Elhady, Ahmed, et al.
Veröffentlicht: (2025)

GraphArena: Evaluating and Exploring Large Language Models on Graph Computation
von: Tang, Jianheng, et al.
Veröffentlicht: (2024)

Spilled Energy in Large Language Models
von: Minut, Adrian Robert, et al.
Veröffentlicht: (2026)

CultureLLM: Incorporating Cultural Differences into Large Language Models
von: Li, Cheng, et al.
Veröffentlicht: (2024)

DiagnosisArena: Benchmarking Diagnostic Reasoning for Large Language Models
von: Zhu, Yakun, et al.
Veröffentlicht: (2025)

ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models
von: Elangovan, Aparna, et al.
Veröffentlicht: (2024)

Evaluating Creative Short Story Generation in Humans and Large Language Models
von: Ismayilzada, Mete, et al.
Veröffentlicht: (2024)

Arena-Lite: Efficient and Reliable Large Language Model Evaluation via Tournament-Based Direct Comparisons
von: Son, Seonil, et al.
Veröffentlicht: (2024)

CritiqueLLM: Towards an Informative Critique Generation Model for Evaluation of Large Language Model Generation
von: Ke, Pei, et al.
Veröffentlicht: (2023)

Stochastic Streets: A Walk Through Random LLM Address Generation in four European Cities
von: Fu, Tairan, et al.
Veröffentlicht: (2025)

Establishing Vocabulary Tests as a Benchmark for Evaluating Large Language Models
von: Martínez, Gonzalo, et al.
Veröffentlicht: (2023)

Understanding the Impact of Artificial Intelligence in Academic Writing: Metadata to the Rescue
von: Conde, Javier, et al.
Veröffentlicht: (2025)

Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference
von: Chiang, Wei-Lin, et al.
Veröffentlicht: (2024)

Assessing Latency in ASR Systems: A Methodological Perspective for Real-Time Use
von: Arriaga, Carlos, et al.
Veröffentlicht: (2024)

LongReasonArena: A Long Reasoning Benchmark for Large Language Models
von: Ding, Jiayu, et al.
Veröffentlicht: (2025)

GameArena: Evaluating LLM Reasoning through Live Computer Games
von: Hu, Lanxiang, et al.
Veröffentlicht: (2024)

Werewolf Arena: A Case Study in LLM Evaluation via Social Deduction
von: Bailis, Suma, et al.
Veröffentlicht: (2024)

ArchCode: Incorporating Software Requirements in Code Generation with Large Language Models
von: Han, Hojae, et al.
Veröffentlicht: (2024)

Beware of Words: Evaluating the Lexical Diversity of Conversational LLMs using ChatGPT as Case Study
von: Martínez, Gonzalo, et al.
Veröffentlicht: (2024)

Energy-Efficient Stochastic Computing (SC) Neural Networks for Internet of Things Devices With Layer-Wise Adjustable Sequence Length (ASL)
von: Wang, Ziheng, et al.
Veröffentlicht: (2025)

DynaCode: A Dynamic Complexity-Aware Code Benchmark for Evaluating Large Language Models in Code Generation
von: Hu, Wenhao, et al.
Veröffentlicht: (2025)

Evaluating Morphological Compositional Generalization in Large Language Models
von: Ismayilzada, Mete, et al.
Veröffentlicht: (2024)

Energy Landscapes Enable Reliable Abstention in Retrieval-Augmented Large Language Models for Healthcare
von: Shankar, Ravi, et al.
Veröffentlicht: (2025)

Evaluating Neural Language Models as Cognitive Models of Language Acquisition
von: Martínez, Héctor Javier Vázquez, et al.
Veröffentlicht: (2023)

Automatic Question & Answer Generation Using Generative Large Language Model (LLM)
von: Ehsan, Md. Alvee, et al.
Veröffentlicht: (2025)