Buchumschlag

Are LLMs ready to help non-expert users to make charts of official statistics data?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Suleymanli, Gadir, Rogiers, Alexander, Lageweg, Lucas, Lijffijt, Jefrey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KamerRaad: Enhancing Information Retrieval in Belgian National Politics through Hierarchical Summarization and Conversational Interfaces
von: Rogiers, Alexander, et al.
Veröffentlicht: (2024)

Traditional statistical representations outperform generative AI in identifying expert peer reviewers
von: Olivo, Vicente Amado, et al.
Veröffentlicht: (2026)

Learning-based models for building user profiles for personalized information access
von: Hidri, Minyar Sassi
Veröffentlicht: (2024)

What makes a good concept anyway ?
von: Khatwani, Naren, et al.
Veröffentlicht: (2024)

Enhancing search engine precision and user experience through sentiment-based polysemy resolution
von: Nkongolo, Mike
Veröffentlicht: (2023)

LLMs for estimating positional bias in logged interaction data
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2025)

How Predicted Links Influence Network Evolution: Disentangling Choice and Algorithmic Feedback in Dynamic Graphs
von: Perez, Mathilde, et al.
Veröffentlicht: (2026)

EfficientRec an unlimited user-item scale recommendation system based on clustering and users interaction embedding profile
von: Quan, Vu Hong, et al.
Veröffentlicht: (2024)

In a Few Words: Comparing Weak Supervision and LLMs for Short Query Intent Classification
von: Alexander, Daria, et al.
Veröffentlicht: (2025)

GRIN Transfer: A production-ready tool for libraries to retrieve digital copies from Google Books
von: Daly, Liza, et al.
Veröffentlicht: (2025)

Exploring the Performance of Continuous-Time Dynamic Link Prediction Algorithms
von: Romero, Raphaël, et al.
Veröffentlicht: (2024)

Dissecting users' needs for search result explanations
von: Juneja, Prerna, et al.
Veröffentlicht: (2024)

TRACE: Transformer-based user Representations from Attributed Clickstream Event sequences
von: Black, William, et al.
Veröffentlicht: (2024)

LLMJudge: LLMs for Relevance Judgments
von: Rahmani, Hossein A., et al.
Veröffentlicht: (2024)

Improving Sequential Recommendations with LLMs
von: Boz, Artun, et al.
Veröffentlicht: (2024)

Efficient user history modeling with amortized inference for deep learning recommendation models
von: Hertel, Lars, et al.
Veröffentlicht: (2024)

Post-fusion monolithic hybrid recommender system for suggesting relevant movies to users
von: Rezapour, Mahdi
Veröffentlicht: (2024)

Price-guided user attention in large-scale E-commerce group recommendation
von: Shi, Yang, et al.
Veröffentlicht: (2024)

A statistical significance testing approach for measuring term burstiness with applications to domain-specific terminology extraction
von: Hurtado, Samuel Sarria, et al.
Veröffentlicht: (2023)

Had enough of experts? Quantitative knowledge retrieval from large language models
von: Selby, David, et al.
Veröffentlicht: (2024)

Generative Reasoning Recommendation via LLMs
von: Hong, Minjie, et al.
Veröffentlicht: (2025)

Leveraging LLMs to Evaluate Usefulness of Document
von: Wang, Xingzhu, et al.
Veröffentlicht: (2025)

Augmented Knowledge Graph Querying leveraging LLMs
von: Arazzi, Marco, et al.
Veröffentlicht: (2025)

Improve Temporal Awareness of LLMs for Sequential Recommendation
von: Chu, Zhendong, et al.
Veröffentlicht: (2024)

Leveraging LLMs for Unsupervised Dense Retriever Ranking
von: Khramtsova, Ekaterina, et al.
Veröffentlicht: (2024)

Don't Use LLMs to Make Relevance Judgments
von: Soboroff, Ian
Veröffentlicht: (2024)

Improving LLMs for Recommendation with Out-Of-Vocabulary Tokens
von: Huang, Ting-Ji, et al.
Veröffentlicht: (2024)

Pneuma: Leveraging LLMs for Tabular Data Representation and Retrieval in an End-to-End System
von: Balaka, Muhammad Imam Luthfi, et al.
Veröffentlicht: (2025)

Scaling Sparse and Dense Retrieval in Decoder-Only LLMs
von: Zeng, Hansi, et al.
Veröffentlicht: (2025)

RankLLM: A Python Package for Reranking with LLMs
von: Sharifymoghaddam, Sahel, et al.
Veröffentlicht: (2025)

Exploring the Potential of LLMs for Serendipity Evaluation in Recommender Systems
von: Kang, Li, et al.
Veröffentlicht: (2025)

Hybrid Pooling with LLMs via Relevance Context Learning
von: Otero, David, et al.
Veröffentlicht: (2026)

A Multi-Task Embedder For Retrieval Augmented LLMs
von: Zhang, Peitian, et al.
Veröffentlicht: (2023)

Leveraging LLMs for Influence Path Planning in Proactive Recommendation
von: Wang, Mingze, et al.
Veröffentlicht: (2024)

Large language model as user daily behavior data generator: balancing population diversity and individual personality
von: Li, Haoxin, et al.
Veröffentlicht: (2025)

Latent Terms: Dense Retrievers Contain Trivially Extractable BM25-ready Zipfian Vocabularies
von: Clavié, Benjamin, et al.
Veröffentlicht: (2026)

Generative Large Recommendation Models: Emerging Trends in LLMs for Recommendation
von: Wang, Hao, et al.
Veröffentlicht: (2025)

AiReview: An Open Platform for Accelerating Systematic Reviews with LLMs
von: Mao, Xinyu, et al.
Veröffentlicht: (2025)

RELATE: Relation Extraction in Biomedical Abstracts with LLMs and Ontology Constraints
von: Olasunkanmi, Olawumi, et al.
Veröffentlicht: (2025)

LLMs Can Patch Up Missing Relevance Judgments in Evaluation
von: Upadhyay, Shivani, et al.
Veröffentlicht: (2024)