:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Baxi, Rahul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence I.2.7
Online-Zugang:	https://arxiv.org/abs/2512.17920
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Drill-Down and Fabricate Test (DDFT): A Protocol for Measuring Epistemic Robustness in Language Models
von: Baxi, Rahul
Veröffentlicht: (2025)

Towards Safer Chatbots: Automated Policy Compliance Evaluation of Custom GPTs
von: Rodriguez, David, 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)

LLMs and Memorization: On Quality and Specificity of Copyright Compliance
von: Mueller, Felix B, et al.
Veröffentlicht: (2024)

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

No Dataset Needed for Downstream Knowledge Benchmarking: Response Dispersion Inversely Correlates with Accuracy on Domain-specific QA
von: Simione II, Robert L
Veröffentlicht: (2024)

Is this Idea Novel? An Automated Benchmark for Judgment of Research Ideas
von: Schopf, Tim, et al.
Veröffentlicht: (2026)

Instruction Complexity Induces Positional Collapse in Adversarial LLM Evaluation
von: Cacioli, Jon-Paul
Veröffentlicht: (2026)

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

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

PARAPHRASUS : A Comprehensive Benchmark for Evaluating Paraphrase Detection Models
von: Michail, Andrianos, et al.
Veröffentlicht: (2024)

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

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

PSST: A Benchmark for Evaluation-driven Text Public-Speaking Style Transfer
von: Sun, Huashan, et al.
Veröffentlicht: (2023)

LeCoDe: A Benchmark Dataset for Interactive Legal Consultation Dialogue Evaluation
von: Yuan, Weikang, et al.
Veröffentlicht: (2025)

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

EduAdapt: A Question Answer Benchmark Dataset for Evaluating Grade-Level Adaptability in LLMs
von: Naeem, Numaan, et al.
Veröffentlicht: (2025)

Cetvel: A Unified Benchmark for Evaluating Language Understanding, Generation and Cultural Capacity of LLMs for Turkish
von: Er, Yakup Abrek, et al.
Veröffentlicht: (2025)

From Reading to Compressing: Exploring the Multi-document Reader for Prompt Compression
von: Choi, Eunseong, et al.
Veröffentlicht: (2024)

Instructional Agents: Reducing Teaching Faculty Workload through Multi-Agent Instructional Design
von: Yao, Huaiyuan, et al.
Veröffentlicht: (2025)

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

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

Controllable Text Summarization: Unraveling Challenges, Approaches, and Prospects -- A Survey
von: Urlana, Ashok, et al.
Veröffentlicht: (2023)

Exploring News Summarization and Enrichment in a Highly Resource-Scarce Indian Language: A Case Study of Mizo
von: Bala, Abhinaba, et al.
Veröffentlicht: (2024)

From Benchmarking to Reasoning: A Dual-Aspect, Large-Scale Evaluation of LLMs on Vietnamese Legal Text
von: Le, Van-Truong
Veröffentlicht: (2026)

Evaluating the efficacy of LLM Safety Solutions : The Palit Benchmark Dataset
von: Palit, Sayon, et al.
Veröffentlicht: (2025)

How Instruction-Tuning Imparts Length Control: A Cross-Lingual Mechanistic Analysis
von: Rocchetti, Elisabetta, et al.
Veröffentlicht: (2025)

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

mEdIT: Multilingual Text Editing via Instruction Tuning
von: Raheja, Vipul, et al.
Veröffentlicht: (2024)

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

Tool-Schema Compression Enables Agentic RAG Under Constrained Context Budgets
von: Sakizli, Furkan
Veröffentlicht: (2026)

Exploring RWKV for Sentence Embeddings: Layer-wise Analysis and Baseline Comparison for Semantic Similarity
von: Pan, Xinghan
Veröffentlicht: (2025)

Residual Drift Dominates Contradiction in Multi-Turn Constraint Reasoning
von: Kawada, Sebastien
Veröffentlicht: (2026)

Automated MCQA Benchmarking at Scale: Evaluating Reasoning Traces as Retrieval Sources for Domain Adaptation of Small Language Models
von: Gokdemir, Ozan, et al.
Veröffentlicht: (2025)

The Perplexity Paradox: Why Code Compresses Better Than Math in LLM Prompts
von: Johnson, Warren
Veröffentlicht: (2026)

SUBLLM: A Novel Efficient Architecture with Token Sequence Subsampling for LLM
von: Wang, Quandong, et al.
Veröffentlicht: (2024)

Truth as a Compression Artifact in Language Model Training
von: Krestnikov, Konstantin
Veröffentlicht: (2026)

Cultural Benchmarking of LLMs in Standard and Dialectal Arabic Dialogues
von: Kautsar, Muhammad Dehan Al, et al.
Veröffentlicht: (2026)

Historical Ink: Semantic Shift Detection for 19th Century Spanish
von: Montes, Tony, et al.
Veröffentlicht: (2024)

DeEscalWild: A Real-World Benchmark for Automated De-Escalation Training with SLMs
von: Hasan, Md Hasebul, et al.
Veröffentlicht: (2026)