Buchumschlag

GanitBench: A bi-lingual benchmark for evaluating mathematical reasoning in Vision Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bandooni, Ashutosh, Subburaj, Brindha
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

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

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

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

A dataset of questions on decision-theoretic reasoning in Newcomb-like problems
von: Oesterheld, Caspar, 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)

Partially Recentralization Softmax Loss for Vision-Language Models Robustness
von: Wang, Hao, et al.
Veröffentlicht: (2024)

USTCCTSU at SemEval-2024 Task 1: Reducing Anisotropy for Cross-lingual Semantic Textual Relatedness Task
von: Li, Jianjian, et al.
Veröffentlicht: (2024)

Swiss-Bench SBP-002: A Frontier Model Comparison on Swiss Legal and Regulatory Tasks
von: Uenal, Fatih
Veröffentlicht: (2026)

UniHetero: Could Generation Enhance Understanding for Vision-Language-Model at Large Data Scale?
von: Chen, Fengjiao, et al.
Veröffentlicht: (2025)

Multilingual LLMs Inherently Reward In-Language Time-Sensitive Semantic Alignment for Low-Resource Languages
von: Bajpai, Ashutosh, et al.
Veröffentlicht: (2024)

RomanLens: The Role Of Latent Romanization In Multilinguality In LLMs
von: Saji, Alan, et al.
Veröffentlicht: (2025)

UNO-Bench: A Unified Benchmark for Exploring the Compositional Law Between Uni-modal and Omni-modal in Omni Models
von: Chen, Chen, et al.
Veröffentlicht: (2025)

ExpressivityBench: Can LLMs Communicate Implicitly?
von: Tint, Joshua, et al.
Veröffentlicht: (2024)

PrivacyBench: A Conversational Benchmark for Evaluating Privacy in Personalized AI
von: Mukhopadhyay, Srija, et al.
Veröffentlicht: (2025)

A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models
von: Balasubramanian, Sriram, et al.
Veröffentlicht: (2025)

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

SomaliBench Eval: Measuring English-to-Somali Refusal Gaps in Open-Weight Language Models
von: Dahir, Khalid Yusuf
Veröffentlicht: (2026)

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

Mechanistic evaluation of Transformers and state space models
von: Arora, Aryaman, et al.
Veröffentlicht: (2025)

Language Models are Crossword Solvers
von: Saha, Soumadeep, et al.
Veröffentlicht: (2024)

Super Tiny Language Models
von: Hillier, Dylan, et al.
Veröffentlicht: (2024)

Egalitarian Language Representation in Language Models: It All Begins with Tokenizers
von: Velayuthan, Menan, et al.
Veröffentlicht: (2024)

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

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

Adaptive Focus Memory for Language Models
von: Cruz, Christopher
Veröffentlicht: (2025)

A Practical Review of Mechanistic Interpretability for Transformer-Based Language Models
von: Rai, Daking, et al.
Veröffentlicht: (2024)

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

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

Language Model Circuits Are Sparse in the Neuron Basis
von: Arora, Aryaman, et al.
Veröffentlicht: (2026)

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

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

Machine Translation Hallucination Detection for Low and High Resource Languages using Large Language Models
von: Benkirane, Kenza, et al.
Veröffentlicht: (2024)

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

Future Language Modeling from Temporal Document History
von: Li, Changmao, et al.
Veröffentlicht: (2024)

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

Exploring Graph Representations of Logical Forms for Language Modeling
von: Sullivan, Michael
Veröffentlicht: (2025)

Skill Availability and Presentation Granularity in Large-Language-Model Agents: A Controlled SkillsBench Study
von: Xu, Xiaonan, et al.
Veröffentlicht: (2026)

Plain language adaptations of biomedical text using LLMs: Comparision of evaluation metrics
von: Kocbek, Primoz, et al.
Veröffentlicht: (2025)

Attentive Reasoning Queries: A Systematic Method for Optimizing Instruction-Following in Large Language Models
von: Karov, Bar, et al.
Veröffentlicht: (2025)

Internal Reasoning vs. External Control: A Thermodynamic Analysis of Sycophancy in Large Language Models
von: Chang, Edward Y.
Veröffentlicht: (2025)